regex - RE2 (Rust) 正则表达式不能按预期工作

Question

我有一个看似简单但不按要求运行的正则表达式。要解析的输入描述如下(注意:{} 不是正则表达式的一部分，只是里面的内容):

• 0 个或多个空格的序列 {\s*}
• 破折号{-}
• 0 个或多个空格的序列 {\s*}
• 一个人的全名(名字、中间名、姓氏；都包含在 f1 中)。名称不能以数字开头必须出现在行尾 {[A-Za-z][\w\s]*)}

整个构造 SPACE-SPACEf1 是可选的

只是为了解释捕获到 f1 中的内容:对于第一个字符，我使用由 [A-Za-z] 表示的字符集。后跟\w 或空格 0 次或多次。这被捕获到 f1 中。

(?:\s*-\s*(?P<f1>[A-Za-z][\w\s]*))?$

我希望以下序列匹配并将值捕获到 f1 中:

• "- 布鲁斯"(f1=布鲁斯)
• “-布鲁斯·狄金森”(f1=布鲁斯·狄金森)

我希望以下内容不匹配:

• “Bruce”(没有前导破折号)
• “-布鲁斯!” (在名称之后和行尾之前有一个非单词 (\w) 字符

我期待以下匹配但没有将值捕获到 f1 中(尽管我希望它不匹配):

• "- 1Bruce"(前导字符为数字)

这些是实际结果:

• "- Bruce"(f1=Bruce) 勾选；这行得通

• "- Bruce Dickinson"(f1=Bruce Dickinson) Tick;这行得通

• “Bruce”(f1=未捕获，但表达式匹配。这是错误的，因为 Bruce 不匹配可选部分，而 $ 紧随其后，与 Bruce 不匹配)

• “- 布鲁斯!” (f1= not cpatured, but expression is a match；这是错误的，因为 !，这意味着匹配没有出现在行尾。

我希望:

(?:\s*-\s*(?P<f1>[A-Za-z][\w\s]*))?

将消耗 { - Bruce}，它应该离开 !，它应该失败，因为下一个正则表达式标记是 $;然而，电脑说不，所以我错了，但我不知道为什么:(

• "- 1Bruce"(f1= not captured, but expression is match. 这是可以理解的，因为整个 {space dash space f1} 序列是可选的，因为它不匹配，所以跳过该构造，然后什么都没有否则处理输入；我们到达行尾)

如果我能让它发挥作用，我就能让我的其余表达式按照我想要的方式发挥作用。我需要其他人来让我以不同的方式思考这个问题。我已经在这上面花了 2 天时间，但没有任何积极的成果，非常令人沮丧。

PS:我正在使用 regex101.com 来测试正则表达式。正则表达式将用作 Rust 应用程序的一部分，其正则表达式引擎基于谷歌的 RE2。

最终，我需要能够识别由 & 分隔的一系列名称，并且整个表达式是可选的，可以使用 ?并且必须出现在 $ 行的末尾。

所以

• { - Bruce & Nicko & Dave Murray } 有效

和

• { - Bruce & Nicko & Dave Murray & } 无效且不匹配

但一次只做一步!

Answer 1

这里的要点是你不能同时匹配和不匹配某些东西。如果您将整个模式设置为可选，并且字符串的结尾是强制性的，即使没有任何感兴趣的内容，字符串的结尾也会被匹配——总是如此。

出路是想一个你感兴趣的子模式。你对名字感兴趣，所以，让第一个字母成为强制性的。在您提供的所有测试用例中，连字符似乎也是强制性的。其他一切都可以是可选的:

\s*-\s*(?P<f1>([^\W\d_])\w*(?:\s+\w+)*)(?:\s*&\s*(?P<f2>([^\W\d_])\w*(?:\s+\w+‌​)*))*$

参见 regex demo (\s 被替换为 \h 并且 \n 添加到否定字符类只是为了演示目的，因为它是一个多行演示) .

请注意，我将 [a-zA-Z] 替换为 [^\W\d_] 以使模式更加灵活([^\W\d_] 只匹配任何字母)。