正则表达式：如何将.*限制为仅数字和标点符号

Question

我正在尝试创建语句，其中可以使用带有条件的.*（例如不连续两个字母），但是我一直失败了。从这里开始：

"SOMETEXT 1-7, 39-41, 12B, 1-7, SOME OTHER TEXT, SOME MORE OTHER TEXT"

我想找到：

"SOMETEXT 1-7, 39-41, 12B, 1-7,"

我已经达到了可以查找跟随数字和任何逗号的文本的程度:

^[A-Z]+[A-Z] [1-9].*,

在这里使用正则表达式构建器： https://regex101.com/r/yK6oF4/1 但是在这里我仍然得到：

"SOMETEXT 1-7, 39-41, 12B, 1-7, SOME OTHER TEXT,"

我该如何让 .* 停止查找连续两个字母、逗号、空格和字母等任意条件？我只想查找在 .* 之前的数字（包括 "数字" 如 12B）和标点符号。

我使用 R，但我认为这个问题一般与正则表达式有关。

- Jakob

---

尝试这个：^[A-Z]+[A-Z] .*[1-9],。 - anubhava

正则表达式问题应该始终标记上适当的语言，因为不同的语言/库实现正则表达式的方式是不同的。 - Wiktor Stribiżew

@anubhava 谢谢！在这种情况下它确实有效，但我仍然接受了下面的答案，因为它更通用（例如，如果由于某些数据原因，在数字和逗号之间有一个空格，它仍然有效）。 - Jakob

Answer 1

您可以使用

^[A-Z]+[A-Z] [1-9].*?(?=,\s*[A-Z]{2})

请查看正则表达式示例。您可以使用它作为stringr::str_extract(x, "^[A-Z]+[A-Z] [1-9].*?(?=,\\s*[A-Z]{2})")。

细节

• ^ - 字符串的开头
• [A-Z]+[A-Z] - 两个或多个大写字母(= [A-Z]{2,})
• [1-9] - 从1到9的数字
• .*? - 任意零个或多个字符(不包括换行符)，尽可能少
• (?=,\s*[A-Z]{2}) - 正向先行断言要求在当前位置的右侧有一个逗号、零个或多个空格，然后是两个大写ASCII字母。

在base R中，您也可以使用以下内容：

sub("^([A-Z]+[A-Z] [1-9].*?),\\s*[A-Z]{2}.*", "\\1", x, perl=TRUE)

请参见this regex demo。

- Wiktor Stribiżew

---

太棒了，感谢您提供的详细信息，这对我很有帮助！ - Jakob

只是为了完整性，没有办法反过来，而是寻找这两个字母的方法，限制 .* 只查找数字和标点符号，对吗？ - Jakob

@Jakob 将 .* 替换为 [\p{N}\p{P}\p{S}]* 或 [[:punct:][:digit:]]*。 - Wiktor Stribiżew