Question

我有一个（可能很复杂的）RegExp问题。从模型生成文件的工具说我的模型使用了两次名称，但没有说明这是什么名字。我知道所有有问题的名字都以“CK_”开头，后面跟着一些非空格。我准备了这个测试文件：

CK_123abc
foo
CK_abc
CK_123abc
CK_199
bar
CK_177
bar
CK_188

正如您所见，“CK_123abc”出现两次。我想用RegExp捕获所有这些（如果还有更多）。到目前为止我得到了这个：（CK_ \ S *）。+ \ 1

这很好，并且符合以下文字：

CK_123abc
foo
CK_abc
CK_123abc

但它也匹配

CK_199
bar
CK_177
bar
CK_1

第二个不需要的匹配用于 CK_1 。由于我的真实文档充满了这些“半串”匹配，我无法在数据中找到我的真实匹配（如此处的第一个）。我认为（CK_ \ S *）由于某种原因并不贪心 - 或者整个正则表达式都是贪婪的。为了使用我的用例，（CK_ \ S *）必须首先匹配，然后在文档中稍后找到相同的匹配。

我正在使用Notepad ++（使用PCRE）。 “。”匹配“\ r”和“\ n”。

任何指针都受到高度赞赏。

Answer 1

如果您将(CK_\S*)锚定到空格字符，它将尽可能多地匹配：

(CK_\S*)\s.+\1

Answer 2

使用此正则表达式：

(?s)(CK_\S+\b)(?=.*\1)

请参阅demo。

<强>解释

(?s)激活DOTALL模式，允许点跨行匹配
(CK_\S+\b)将您的令牌捕获到第1组
前瞻(?=.*\1)声称接下来是任意数量的字符，然后是第1组捕获的字符

<强>参考

Answer 3

问题不在于量词的贪婪或懒惰，而在于正则表达式引擎的工作方式。当模式失败时，正则表达式引擎可以使用backtracking mechanism尝试其他可能性（直到模式成功，或直到没有更多可能性），并且字符串中的相同位置。

缓和此行为的唯一方法是在模式中添加更多约束（以限制可能性），如您在此处的几个答案中所见。

我们的想法是使用空格word boundaries或possessive quantifiers检查名称的限制（左和右），而不要忘记为反向引用做同样的事情：

有空格：(?:\s|^)(CK_\S*)(?=\s.*(?<=\s)\1(?:\s|$)) （有点长，但可能是最防水的方式）

带有字边界的

：\b(CK_\S*)\b(?=.*\b\1\b)

拥有量词和词边界：\b(CK_\S*+)(?=.*\b\1\b)

注意：由于使用了点，您需要为所有模式打开单线模式。

Answer 4

怎么样？（CK _ [^ \ n]的*）。+ \ 1 所以你会把所有东西都带到新线上，这就是你想要的。

RegEx用于查找重复的完整字符串（两级贪婪）

4 个答案: