考虑到我的另一个问题，我决定我甚至不能创建一个匹配罗马数字的正则表达式（更不用说能生成它们的上下文无关文法了）。
问题在于匹配只有有效的罗马数字。 例如，990不是"XM"，而是"CMXC"。
我在制作这个正则表达式时的问题是为了允许或不允许某些字符，我需要向后查看。 以千位和百位为例。
我可以允许M{0,2}C?M（以允许900、1000、1900、2000、2900和3000）。然而，如果匹配是在CM上，我就不能允许后面的字符是C或D（因为我已经到了900）。
如何在正则表达式中表达这个问题？ 如果在正则表达式中简单地不能表达它，那么它是否可以用上下文无关文法来表达？
^M{0,4}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})$
M{0,4}指定了千位数，并将其限制在0到4000之间。这是一个相对简单的规则。 0: <empty> matched by M{0}
1000: M matched by M{1}
2000: MM matched by M{2}
3000: MMM matched by M{3}
4000: MMMM matched by M{4}
M*的表达式，以允许任意数量（包括零）的千位数。(CM|CD|D?C{0,3})，稍微复杂一些，这是用于百位数的部分，涵盖了所有可能的情况。 0: <empty> matched by D?C{0} (with D not there)
100: C matched by D?C{1} (with D not there)
200: CC matched by D?C{2} (with D not there)
300: CCC matched by D?C{3} (with D not there)
400: CD matched by CD
500: D matched by D?C{0} (with D there)
600: DC matched by D?C{1} (with D there)
700: DCC matched by D?C{2} (with D there)
800: DCCC matched by D?C{3} (with D there)
900: CM matched by CM
(XC|XL|L?X{0,3}) 遵循与前一部分相同的规则，但适用于十位数： 0: <empty> matched by L?X{0} (with L not there)
10: X matched by L?X{1} (with L not there)
20: XX matched by L?X{2} (with L not there)
30: XXX matched by L?X{3} (with L not there)
40: XL matched by XL
50: L matched by L?X{0} (with L there)
60: LX matched by L?X{1} (with L there)
70: LXX matched by L?X{2} (with L there)
80: LXXX matched by L?X{3} (with L there)
90: XC matched by XC
(IX|IV|V?I{0,3})是单位部分，处理0到9，并且与前两个部分相似（罗马数字，尽管看起来很奇怪，但一旦你弄清楚它们的规则，它们就会遵循一些逻辑规律）：0: <empty> matched by V?I{0} (with V not there)
1: I matched by V?I{1} (with V not there)
2: II matched by V?I{2} (with V not there)
3: III matched by V?I{3} (with V not there)
4: IV matched by IV
5: V matched by V?I{0} (with V there)
6: VI matched by V?I{1} (with V there)
7: VII matched by V?I{2} (with V there)
8: VIII matched by V?I{3} (with V there)
9: IX matched by IX
^(?=.)M{0,4}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})$
.）是否存在于起始标记（^）之后，但不吸收该第一个字符。例如，如果字符串是M，那么它将匹配.，但仍然可用于正则表达式的下一部分M{0,4}。然而，空字符串将无法匹配前瞻，因此会失败。实际上，你的前提是错误的。990 就是"XM"，也是"CMXC"。
罗马人对于“规则”不像你的三年级老师那么关注。只要加起来正确，它就可以。因此，“IIII”和“IV”一样适用于表示4。而“IIM”对于表示998也完全没问题。
(如果你对此有困难...请记住英语拼写直到18世纪才被正式化。在此之前，只要读者能够理解，就足够了。)
只是为了在这里保存它：
(^(?=[MDCLXVI])M*(C[MD]|D?C{0,3})(X[CL]|L?X{0,3})(I[XV]|V?I{0,3})$)
匹配所有罗马数字，不考虑空字符串（至少需要一个罗马数字字母）。适用于PCRE、Perl、Python和Ruby。
在线Ruby演示：http://rubular.com/r/KLPR1zq3Hj
在线转换工具：http://www.onlineconversion.com/roman_numerals_advanced.htm
\b甚至是另一个非捕获组(?:) (\b(?=[MDCLXVI])M*(?:C[MD]|D?C{0,3})(?:X[CL]|L?X{0,3})(?:I[XV]|V?I{0,3})\b)。 - brandonscript(M{1,4}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})|M{0,4}(CM|C?D|D?C{1,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})|M{0,4}(CM|CD|D?C{0,3})(XC|X?L|L?X{1,3})(IX|IV|V?I{0,3})|M{0,4}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|I?V|V?I{1,3}))
^和$），您最好首先检查空行，而不要匹配它们。如果您正在使用单词边界，那么您就没有问题，因为不存在空单词。 （至少正则表达式没有定义一个; 不要开始哲学思考，我在这里是讲求实际的！）
在我的个人（现实世界）案例中，我需要匹配单词结尾处的数字，我找不到其他解决方法。 我需要从纯文本文档中清除脚注数字，其中像“红海cl和大堡礁cli”这样的文本已转换为the Red Seacl and the Great Barrier Reefcli。但我仍然有问题，例如有效的单词Tahiti和fantastic也被清除为Tahit和fantasti。
M、C或L，所以，您是否有这种简化的正则表达式？ - Peter Krauss(X{1,3}(IX|IV|V?I{0,3})|X{0,3}(IX|I?V|V?I{1,3})) - Peter Krausssed）不支持前瞻，因此像这样的“原始”解决方案作为替代方案非常受欢迎。 - Alice M.幸运的是，数字范围仅限于1..3999或其周围。 因此，您可以逐步构建正则表达式。
<opt-thousands-part><opt-hundreds-part><opt-tens-part><opt-units-part>
<opt-hundreds-part> = m/(CM|DC{0,3}|CD|C{1,3})?/;
<opt-hundreds-part> = m/(C[MD]|D?C{0,3})/;
'D?C{0,3}'这个子句可能匹配不到任何内容，所以问号是不必要的。而且，在Perl中，括号应该是非捕获类型：
<opt-hundreds-part> = m/(?:C[MD]|D?C{0,3})/;
<opt-hundreds-part> = m/(?:[IXC][MD]|D?C{0,4})/;
import re
pattern = '^M{0,3}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})$'
if re.search(pattern, 'XCCMCI'):
print 'Valid Roman'
else:
print 'Not valid Roman'
如果您真的想理解逻辑，请查看diveintopython上三页的详细说明。
唯一与原始解决方案不同的是，我发现'MMMM'不是有效的罗马数字（而且古罗马人很可能没有考虑过那么大的数字，并且会不同意我的观点）。如果您是不同意我的古老罗马人之一，请原谅我并使用{0,4}版本。
在我的情况下，我试图在文本中查找并替换所有罗马数字为一个词，因此我无法使用行的开头和结尾。所以@paxdiablo的解决方案找到了许多零长度匹配项。 我最终采用了以下表达式：
(?=\b[MCDXLVI]{1,6}\b)M{0,4}(?:CM|CD|D?C{0,3})(?:XC|XL|L?X{0,3})(?:IX|IV|V?I{0,3})
我的最终 Python 代码如下：
import re
text = "RULES OF LIFE: I. STAY CURIOUS; II. NEVER STOP LEARNING"
text = re.sub(r'(?=\b[MCDXLVI]{1,6}\b)M{0,4}(?:CM|CD|D?C{0,3})(?:XC|XL|L?X{0,3})(?:IX|IV|V?I{0,3})', 'ROMAN', text)
print(text)
输出：
RULES OF LIFE: ROMAN. STAY CURIOUS; ROMAN. NEVER STOP LEARNING
text = "I'm RULES OF LIFE: I. STAY CURIOUS; II. NEVER STOP LEARNING" 进行测试，它将输出 ROMAN'm RULES OF LIFE: ROMAN. STAY CURIOUS; ROMAN. NEVER STOP LEARNING。 - Ste^(?=[MDCLXVI])M*(C[MD]|D?C{0,3})(X[CL]|L?X{0,3})(I[XV]|V?I{0,3})$
(?<![MDCLXVI])(?=[MDCLXVI])M{0,3}(?:C[MD]|D?C{0,3})(?:X[CL]|L?X{0,3})(?:I[XV]|V?I{0,3})[^ ]\b
截至目前，这是唯一通过我 广泛测试套件 的正则表达式，其中包括从 1 到 3999 的所有可能的罗马数字、字符串中的罗马数字和我上面提到的无效罗马数字。
以下是它在 https://regex101.com/ 中的运行截图：
我看到了多个答案，但它们并没有涵盖空字符串或使用前瞻来解决此问题。我想添加一个新的答案，它可以涵盖空字符串，并且不使用前瞻。正则表达式如下：
^(I[VX]|VI{0,3}|I{1,3})|((X[LC]|LX{0,3}|X{1,3})(I[VX]|V?I{0,3}))|((C[DM]|DC{0,3}|C{1,3})(X[LC]|L?X{0,3})(I[VX]|V?I{0,3}))|(M+(C[DM]|D?C{0,3})(X[LC]|L?X{0,3})(I[VX]|V?I{0,3}))$
我允许无限的M，使用M+，但是当然如果需要，有人可以更改为M{1,4}，只允许1或4。
下面是一个可视化工具，可以帮助理解它的功能，前面还有两个在线演示：
(?:I[VX]|VI{0,3}|I{1,3})|(?:(X[LC]|LX{0,3}|X{1,3})(?:I[VX]|V?I{0,3}))|(?:(?:C[DM]|DC{0,3}|C{1,3})(?:X[LC]|L?X{0,3})(?:I[VX]|V?I{0,3}))|(?:M+(?:C[DM]|D?C{0,3})(?:X[LC]|L?X{0,3})(?:I[VX]|V?I{0,3}))。 - brandonscript@paxdiablo建议使用正向预查和反向预查来避免匹配空字符串，但在我看来似乎并没有起作用。
我已经通过使用负向预查来解决这个问题:
(?!$)M{0,4}(CM|CD|D?C{0,3})(XC|XL|L?X{0,3})(IX|IV|V?I{0,3})
(?!$)替换为(?!f)（其中f是"foobar"的第一个字符）。
/^M{0,3}(?:C[MD]|D?C{0,3})(?:X[CL]|L?X{0,3})(?:I[XV]|V?I{0,3})$/i- Crissov