c# - 需要在 C# 正则表达式中提取文本

Question

我有一组字符串，例如 Some song [FEAT. John Doe]，我正在尝试提取“特色”部分。它可以通过几个不同的单词 "FEAT|FEAT\\.|Featuring" 之一来标识，并且可以用括号括起来，也可以不用括号括起来。我为此使用了正则表达式，这是我到目前为止所得到的:

[TestMethod]
public void ExtractFeaturedPerformers()
{
    IEnumerable<string> titles = new string[]
    {
        "abc [FEAT one two] 123",
        "def(FEAT. three'four) 456",
        "ghi Featuring five",
        "jkl"
    };

    // Must be able to use an arbitrary array of words
    var arrayOfWords = new string[] { "FEAT", "FEAT.", "Featuring" };
    string options = string.Join("|", arrayOfWords.Select(s => Regex.Escape(s)));
    var result = new List<string>();

    foreach(string title in titles)
    {
        var _ = Regex.Match(title, $@"(?<=({options})\s*)(.*?)(?=[\]\)]|$)");
        if (_.Success)
            result.Add(_.Value);
    }

    Assert.AreEqual(3, result.Count());
    Assert.IsTrue(result.Contains("one two"));
    Assert.IsTrue(result.Contains("three'four"));
    Assert.IsTrue(result.Contains("five"));
}

我有它主要工作，但有两个限制。我的主要问题是第二个结果包含 . 。 . three'four如何将其作为 Regex 的一部分删除，以便我可以接受任意 options 字符串而不是稍后将其剥离？处理 . 是我主要关心的问题，但我也很感激有关从结果中删除前导和尾随空格的建议，以便我以后不必调用 Trim()。

Answer 1

你需要

(?:FEAT\.?|Featuring)\s*([^])]*)

查看 regex demo
细节

(?:FEAT\.?|Featuring) - FEAT 和可选的 . 或 Featuring

\s* - 零个或多个空格

([^])]*) - 捕获组 1:除 ] 和 ) 之外的零个或多个字符。

您需要修改 C# 代码以获取 Group 1 值。
这是 full C# demo :

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text.RegularExpressions;

public class Test
{
    public static void Main()
    {
        IEnumerable<string> titles = new string[]
        {
            "abc [FEAT one two] 123",
            "def(FEAT. three'four) 456",
            "ghi Featuring five",
            "jkl"
        };

        var keys = new List<string> { "FEAT", "FEAT.", "Featuring" };
        keys = keys.OrderByDescending(x => x.Length).ToList();
        var pattern = $@"(?:{string.Join("|", keys.Select(z => Regex.Escape(z)))})\s*([^])]*)";
        Console.WriteLine(pattern);
        
        var result = new List<string>();
        foreach(string title in titles)
        {
            var _ = Regex.Match(title, pattern);
            if (_.Success)
                result.Add(_.Groups[1].Value);
        }
    
        Console.WriteLine( result.Count()); // Assert.AreEqual(3, result.Count());
        Console.WriteLine( result.Contains("one two") ); //Assert.IsTrue(result.Contains("one two"));
        Console.WriteLine( result.Contains("three'four") ); //Assert.IsTrue(result.Contains("three'four"));
        Console.WriteLine( result.Contains("five") ); // Assert.IsTrue(result.Contains("five"));
    }
}

输出是

(?:Featuring|FEAT.|FEAT)\s*([^])]*)
3
True
True
True

请注意正则表达式模式是如何构建的:

var keys = new List<string> { "FEAT", "FEAT.", "Featuring" }; 用搜索短语

初始化 keys 字符串列表

keys = keys.OrderByDescending(x => x.Length).ToList(); - 按长度降序对列表中的项目进行排序

var pattern = $@"(?:{string.Join("|", keys.Select(z => Regex.Escape(z)))})\s*([^])]*)"; - 通过将转义的搜索短语放入非捕获组中来创建正则表达式模式，其中 | 交替运算符位于 (?:Featuring|FEAT\.|FEAT) 之间。