如何匹配至少包含三个单词且可能包含部分定界符的定界句子？

How can I match a delimited sentence that has at least three words and that may contain parts of delimiters?

我需要匹配一个由“,”或“::”分隔的字符串。 重要的是要注意句子本身可以包含“，”和“：”，并且我所说的句子是指至少两个单词和一个 space.

示例：

test.wav,,200,,This is a test, or is it?::test 2.wav,,test 3.wav::I said: Do not do that,,error.wav

预期输出：

[
  {
    "groups": [],
    "match": "This is a test, or is it?"
  },
  {
    "groups": [],
    "match": "I said: Do not do that"
  }
]

我试过：

1.

(?:,,|::)(?:[a-zA-Z0-9\.\-,?!;/\(\)]+\h){2,}.*?(?:,,|::)

但这给了我：

[
  {
    "groups": [],
    "match": ",,200,,This is a test, or is it?::"
  }
]

(?<=,,|::)(?:[a-zA-Z0-9\.\-,?!;/\(\)]+\h){2,}.*?(?:,,|::)

输出：

[
  {
    "groups": [],
    "match": "200,,This is a test, or is it?::"
  },
  {
    "groups": [],
    "match": "test 2.wav,,test 3.wav::"
  }
]

解决这个问题的正确方法是什么？

您可以将此正则表达式用于前瞻和后视条件：

(?<=,,|::)\h*(?:(?!\S*(?:,,|::))\S+\h+){3}.*?(?=::|,,)

RegEx Demo

正则表达式详细信息：

  • (?<=,,|::)：正面回顾断言我们在当前位置
    • 之前有,,或::
  • \h*: 匹配 0+ 个空格
  • (?:: 开始non-capture组
    • (?!\S*(?:,,|::))：否定前瞻断言我们不匹配 :: 或 ,, 作为下一个 non-whitespace 词
      • 的一部分
    • \S+\h+：匹配 1+ non-whitespace 字符串后跟 1+ 空格
  • ){3}: 结束non-capture组。匹配此组至少 3 次
  • .*?：匹配0个或多个任意字符(non-greedy)
  • (?=::|,,)：积极前瞻断言我们在当前位置
    • 之后有,,或::

您也可以使用模式来匹配至少 2 个后跟 space 的词，并至少匹配一个字符作为第三个不必后跟 [=43= 的词].

(?:,,|::)\h*\K(?:(?>[^\s,:]+|,(?!,)|:(?!:))+\h+){2,}(?:(?>[^\s,:]+|,(?!,)|:(?!:)))+(?=\h*(?:,,|::))

说明

  • (?:,,|::)\h*\K 匹配 ,, 或 :: 和可选的 spaces，然后忘记使用 \K
    • 匹配的内容
  • (?:(?>[^\s,:]+|,(?!,)|:(?!:))+\h+){2,} 匹配至少一个不包含 ,, 或 ::
    • 的字符的至少 2 个“单词”
  • (?:(?>[^\s,:]+|,(?!,)|:(?!:)))+ 匹配不包含 ,, 或 ::
    • 的至少一个字符的单词
  • (?=\h*(?:,,|::)) 正面前瞻，断言可选的 space 后跟 ,, 或 ::

Regex demo