正则表达式 - 获取两个单词之间不包含某个单词的字符串

Question

我一直在寻找解决方法，但无法实现。我并不是完全的新手。

我需要获取由（包括）START和END分隔的文本，该文本不包含START。基本上，我找不到一种不使用高级功能来否定整个单词的方法。

示例字符串：

abcSTARTabcSTARTabcENDabc

期望的结果：

STARTabcEND

不好的结果：

STARTabcSTARTabcEND

我不能使用向后搜索的功能。我正在这里测试我的正则表达式：www.regextester.com

感谢任何建议。

- rrr

---

如果文本是abcSTARTabcENDabcSTARTabcENDabc，你想要匹配两个吗？ - Tim Pietzcker

没想到那个...不过，如果需要的话我可以找到第二个匹配。 - rrr

最好用一个正则表达式完成。我已经添加了答案。 - Tim Pietzcker

你可以在rubular.com上测试你的正则表达式。 - Jigish Chawda

Answer 1

试一下这个

START(?!.*START).*?END

在Regexr网站在线查看它。

(?!.*START)是一个负向先行断言。它确保单词“START”没有跟在后面。

.*?是非贪婪匹配，匹配所有字符直到下一个“END”，因为负向先行断言只是向前查找而不捕获任何内容（零长度断言）。

更新：

我再考虑了一下，上面的解决方案是匹配到第一个“END”。如果不想这样做（因为你要从内容中排除START），请使用贪婪版本。

START(?!.*START).*END

这将匹配到最后一个"END"。

- stema

---

对于好的回答并简单解释所有运算符给予+1。 - shelleybutterfly

如果字符串中有多个START...END对，这将失败。 （更准确地说，它只会在字符串中找到最后一个START...END对。） - Tim Pietzcker

澄清Tim的评论：如果存在“START”的任何第二次出现，无论是在END之前还是之后（例如abcSTARTabcENDxyzSTART），您的正则表达式将不会匹配到您期望的位置。 - vladr

是的，它只是询问未来是否有任何“开始”出现，如果有，就不会匹配。这不是所需的（描述）行为。 - AturSams

Answer 2

START(?:(?!START).)*END

这段代码将适用于任意数量的 START...END 成对出现。以下是Python演示：

>>> import re
>>> a = "abcSTARTdefENDghiSTARTjlkENDopqSTARTrstSTARTuvwENDxyz"
>>> re.findall(r"START(?:(?!START).)*END", a)
['STARTdefEND', 'STARTjlkEND', 'STARTuvwEND']

如果你只关心START和END之间的内容，可以使用以下方法：

(?<=START)(?:(?!START).)*(?=END)

看这里：

>>> re.findall(r"(?<=START)(?:(?!START).)*(?=END)", a)
['def', 'jlk', 'uvw']

- Tim Pietzcker

---

可以的，这个就可以了。+1（虽然你可能想要提及/使用s点匹配所有标志）。 - ridgerunner

Answer 3

非常平凡的解决方案是START(([^S] | S * S [^ ST] | ST [^ A] | STA [^ R] | STAR [^ T]) *（S（T（AR？）？）？）？) END 。现代正则表达式有负断言，可以更优雅地实现此目的，但我理解您关于“向后搜索”的评论可能意味着您不能或不想使用此功能。

更新：仅为完整起见，请注意，上述对于结束定界符来说是贪婪的。要仅捕获最短的字符串，请将否定扩展到包括结束定界符 - START（（[^ ES] | E * E [^ ENS] | EN [^ DS] | S * S [^ STE] | ST [^ AE] | STA [^ RE] | STAR [^ TE]）*（S（T（AR？）？）？| EN？）？）END 。这在大多数文化中都会超过折磨阈值。

错误修复：此答案的早期版本存在错误，即SSTART可以成为匹配的一部分（第二个S将匹配 [^ T] 等）。我通过在 [^ ST] 中添加S 并在非可选的 S 之前添加 S * 来修复了此问题，以允许任意重复 S 。

- tripleee

---

最后一部分是干什么用的？为什么你需要(S(T(AR?)?)?)?？ - AturSams

好的！我明白了...你需要 ...(S(T(AR?)?)?)?...，否则，你必须在 S、ST、STA 和 STAR 之后消耗字符...这太聪明了。 - AturSams

不确定您的意思。在END分隔符之前允许使用START的子字符串，我们一直在防止这些子字符串匹配。 - tripleee

我不理解这个答案。我的问题是为什么你需要有(S(T(AR?)?)?)?这部分，但我认为原因是否则你无法匹配像STARTSTAREND这样的东西。 (S(T(AR?)?)?)?让您干净地消耗任何直接出现在END之前的STAR子字符串。 - AturSams

是的，没错。在比赛早期，如果STAR后面跟着的不是T，我们允许它后面跟着某些东西，但就在结束分隔符之前，我们也允许它后面什么都没有。（在这种情况下使用“consume”有点奇怪，个人认为。） - tripleee

Answer 4

我可以建议在Tim Pietzcker的解决方案上进行改进吗？我认为使用START(?:(?!START).)*?END会更好，只会捕获一个紧随其后没有任何START或END之间的START和END。 我正在使用.NET，而Tim的解决方案也会匹配类似START END END的表达式。 至少在我的个人情况下，这是不希望发生的。

- Johannes Wentu

Answer 5

[编辑：我留下了这篇文章，以获取有关捕获组的信息，但我给出的主要解决方案是不正确的。 (?:START)((?:[^S]|S[^T]|ST[^A]|STA[^R]|STAR[^T])*)(?:END) 正如评论中指出的那样，将无法工作；我忘记了被忽略的字符不能被删除，因此您需要像...|STA(?![^R])|这样的东西仍然允许该字符成为END的一部分，因此在类似STARTSTAEND的情况下失败；因此这显然是更好的选择；以下应显示使用捕获组的正确方法...

使用“零宽度负向先行断言”运算符“？”给出的答案，带有捕获组：(?:START)((?!.*START).*)(?:END)，它使用$1捕获内部文本进行替换。如果您想捕获START和END标记，可以执行(START)((?!.*START).*)(END)，其中$1=START $2=text，$3=END或通过添加/删除()或？：来进行各种其他排列。

这样，如果您要使用它进行搜索和替换，您可以执行类似于BEGIN$1FINISH的操作。因此，如果您从以下内容开始：

abcSTARTdefSTARTghiENDjkl

您将获得ghi作为捕获组1，并且使用BEGIN$1FINISH进行替换将给您以下结果：

abcSTARTdefBEGINghiFINISHjkl

这将允许您仅在正确配对时更改START/END标记。

每个(x)都是一个组，但我已经为除中间组之外的每个组放置了(?:x)，以将其标记为非捕获组；我唯一没有使用?:的是中间组；但是，如果您想移动它们或其他操作，也可以捕获BEGIN/END标记。

有关Java正则表达式的完整详细信息，请参见Java regex documentation。

- shelleybutterfly

---

您在模式STARTSTAEND上失败了。 - tripleee

@tripleee 叹气，是的，确实我需要忽略那些带有?!字符的内容，这有点违背了初衷。感谢您指出这一点。 - shelleybutterfly