一个关于与固定宽度负向后查找有关的具体问题。

Question

我正在编写一个正则表达式（用于Java，如果这很重要），它试图匹配$后面的数字（可以是浮点数），但前面的单词不能是'LOST'。

如果有多个可能的匹配，应返回第一个数字。

为简单起见，假设所有单词都是大写的。

例如，在以下句子中：“我花了$10.12买啤酒”，将匹配到10.12。在句子“我在游戏中输了$11.34”，将没有匹配。在“我在游戏中输了$11.34，并且花了$10.12买啤酒”这个句子中，仍然会匹配到10.12。

我想到的正则表达式是：

.*?(?<!LOST )[$]\s*(?<NUMBER>[0-9]*[.]?[0-9]*).*

我的正则表达式通常都能正常工作，不过我想知道是否有更简单的写法，或者是否有一些特殊情况我没有考虑到。一个小问题是，如果在LOST和$之间有多于一个空格，我仍然不想匹配，但是目前我的正则表达式会匹配。不幸的是，负向回顾需要固定的宽度。

澄清一下：当我说“它前面的单词不是'LOST'时”，我指的是在'$'之前不能有'LOST\s*'。这意味着'LOST $123'和'LOST $123'都不应该匹配123，但是'LOST! $123'可以匹配123。这样做的原因是货币不应该直接受到'LOST'的影响；如果在LOST和$之间有除了空格之外的任何字符，那么货币很可能不是直接受到'LOST'的影响。

- darkgbm

---

你能不能先把所有的空格序列合并成一个单独的空格呢？ - undefined

另一个想法是正常匹配 \s*，找到紧邻 $ 左侧的下一个位置，该位置不以空格为前导，并使用另一个反向预查 (?<!\s)，然后将当前的反向预查放在那里：(?<!\s)(?<!\bLOST)\s*\$(?<NUMBER>\d+(?:\.\d+)?) - undefined

Answer 1

受到blhsing的回答的启发，我提出了这个正则表达式，它看起来更简洁，并且覆盖了更广泛的边缘情况。

(?:^|(?<!LOST)\b)\W*\$(?<NUMBER>\d+(?:\.\d+)?)

因为Java不能有一个非固定宽度的lookbehind。你放置lookbehind的位置是至关重要的。

1. 由于你不希望在货币之前匹配到单词LOST，你可以先匹配一个单词边界：

\b

然后你需要确保这个单词不会丢失。

(?<!LOST)\b

在此之后，将您的货币匹配放在其后面，并在前面加上可选的非单词字符：

(?<!LOST)\b\W*\$(?<NUMBER>\d+(?:\.\d+)?)

然后，添加一些边缘情况，比如字符串以货币符号开头：

(?:^|(?<!LOST)\b)\W*\$(?<NUMBER>\d+(?:\.\d+)?)

查看测试用例

- Hao Wu

---

是的，这个解决方案比@blhsing的解决方案更好地处理了边缘情况。例如，这个解决方案会正确处理“*$11.34 IN THE GAME AND PAID $10.12 FOR THE BEER”。 - undefined

有没有办法修改答案，使得“LOST！$10.12”成为一个匹配项？也就是说，只有在LOST和$之间只有\s*时才没有匹配项。 - undefined

Answer 2

假设在“LOST”和美元符号之间可能有1到99个空格。我还假设数字有两位小数，并且没有逗号作为千位分隔符。然后可以尝试使用正则表达式匹配字符串。

(?<!\bLOST\s{1,99})\$(?<NUMBER>(?:0|[1-9]\d*)\.\d{2})\b

如果有一个匹配项，捕获组名为NUMBER的内容将包含利息的金额。 演示 将光标悬停在链接上的正则表达式上，以获取对表达式中每个元素的解释。

---

---

另一种方法是尝试匹配正则表达式。

\bLOST\s+\$(?:0|[1-9]\d*)\.\d{2}\b|\$(?<NUMBER>(?:0|[1-9]\d*)\.\d{2})\b

演示

在这种情况下，不要关注那些没有捕获的匹配项；只关注那些有捕获的匹配项，其中捕获组NUMBER将包含感兴趣的货币值。在这里

\bLOST\s+\$(?:0|[1-9]\d*)\.\d{2}\b

匹配，但不捕获，以"LOST"开头，后跟一个或多个空格，再后跟一个美元符号的值。可以说它吞噬了这样的子字符串。

- Cary Swoveland

---

我看到它能够工作，但是我不理解第二种方法。这个想法是匹配一个非捕获组或者一个捕获组。如果非捕获组匹配成功后，为什么捕获组也会被匹配呢？换句话说，假设我有一个正则表达式 'A|B'，那么如果A被匹配成功，就不应该再尝试匹配B了对吗？ - undefined

darkgbm，假设字符串是"我在游戏中丢失了$11.34并支付了$10.12买啤酒"。正则表达式的指针最初位于字符串的开头，在"我"之前。交替的第一部分从那个位置开始不匹配，因此尝试匹配交替的第二部分，但也不匹配。因此，字符串指针向前移动一个位置，现在位于"我"和空格之间。这也不匹配，所以指针移动到"L"之前。.. - undefined

...LOST $11.34 然后与交替的第一部分匹配。由于没有捕获，我们不关注该匹配。匹配导致字符串指针移动到匹配的末尾，即在“4”和后面的空格之间。空格没有匹配，所以指针向前移动一个字符，并继续向前移动，直到位于美元符号之前。在该位置，交替的第一部分不匹配，但第二部分匹配，将“10.12”捕获在第1组中。这是我们感兴趣的值，因为它被捕获了。明白了吗？ - undefined

正如你所看到的，交替的第一部分匹配了我们不想要的位，而第二部分捕获了我们想要的位。你可以在这里阅读更多关于这种技术的内容。如果你不想阅读整篇论文，你可以搜索这一部分：“有史以来最好的正则表达式技巧”。 - undefined

我在想，也许你可以将匹配模式缩短为\bLOST\h+\$|\$(?<NUMBER>\d+(?:\.\d+)?)，或者当然也可以使用更具体的数字匹配模式。 - undefined

@Thefourthbird，说得好。读者们：#4建议在我的第二种方法中，不捕获的第一部分不需要匹配到美元符号之后。（#4：你知道哪种方法更有效吗？）他（从羽毛的颜色可以看出是个男性）还建议使用\h而不是\s，主要是为了避免匹配换行符。我相信水平空白\h是一个制表符或Unicode空格分隔符。 - undefined

Answer 3

由于在Java中，回顾模式必须具有固定的宽度，您可以使用负向前瞻模式来排除单词LOST，从而允许可变数量的空格。此外，为了防止匹配发生在行的开头，还可以在交替模式中包含行的开头^。

(?:^|(?!LOST\b)\b\w+\s*)\$\s*(?<NUMBER>\d+\.\d+)

演示：https://regex101.com/r/4pqyc0/7

- blhsing

Answer 4

我不会在这里使用回顾断言，而是使用捕获组。

String input = "I LOST $11.34 IN THE GAME AND PAID $10.12 FOR THE BEER";
String pattern = "\\bLOST \\$?(\\d+(?:\\.\\d+)?)";
Pattern r = Pattern.compile(pattern);
Matcher m = r.matcher(input);
if (m.find()) {
    System.out.println(m.group(1));  // 11.34
}

- Tim Biegeleisen

---

我的意图是避免匹配在“LOST $”之后的数字，并且不能保证“LOST $”可能出现在一个有效的“$”之前或之后。所以这种方法行不通。还是谢谢你的回答。 - undefined