我该如何优化这个正则表达式？

Question

我有这样的文字：

before label bla bla bla aaaa<TAG1>bbbb bla bla bla bla abcd<TAG2>efgh after

和这个正则表达式：

label\W+(?:\w+\W+){1,60}?(?:.){0,}?(\<TAG1\>|\<TAG2\>)(?:.){0,}?\W+(?:\w+\W+){1,60}(?:.){0,}?(\<TAG2\>|\<TAG1\>)(?:.){0,}?

它完成了这项工作，它按预期工作但但似乎并没有真正优化。

这是一项测试：https://regex101.com/r/eS2kS6/1

基本上我必须找到一个标签，在N个单词之后我应该得到<TAG1>或<TAG2>并且在N个单词之后我应该得到<TAG1>或{ {1}}。

注意：

必须将<TAG2>或<TAG1>视为该词的可能“子串”，这一点非常重要。有时它可能是<TAG2>，有时是aaaa<TAG1>bbbb。正如您在示例中所看到的，它适用于两种情况。

Answer 1

通常有助于可视化正则表达式：

请注意，(?:.){0,}?是说.*的迂回方式。现在也很容易看出有两个相同的块可以合并，所以我们来解决这个问题：

label\W+(?:(?:\w+\W+){1,60}?.*(\<TAG1\>|\<TAG2\>).*){2}

这相当，但更短。从这里开始，问题就在于你究竟想要匹配什么。所有\w和\W对我来说都有些奇怪，特别是与.一起使用时。我通常更喜欢匹配\s而不是\W，因为我通常的意思是＆＃34;某种空白＆＃34;，但您需要确定您实际需要的是什么。< / p>

＆＃34;匹配 - 一到六十个单词 - 而不是单词 - 后跟任何＆＃34;您正在使用的模式（(?:\w+\W+){1,60}?.*）可能不是您想要的模式 - 例如它匹配a$<TAG，但不匹配a<TAG。如果您想允许一个或多个单词，请尝试(?:\s*\w+)+。这匹配零或多个空格，后跟一个或多个字符，一次或多次。如果您希望将其限制为60，则可以使用+替换最终的{1,60}（但您的说明中不清楚60来自何处label\s+(?:(?:\w+\s*)+(\<TAG1\>|\<TAG2\>)\w*){2} - 你需要吗？）。

所以我们现在就在这里：

after

这与您之前的模式完全相同 - 它与您的示例字符串中的.*不匹配（从您的描述中不清楚）是否应该）。如果您想在第二个标记之后保持匹配，只需在末尾添加N。

所有这一切，它看起来很像你试图解析一个复杂的语法（即non-regular language），那就是rife with peril。如果您发现自己编写并重写正则表达式以尝试捕获所需的数据，则可能需要升级到正确的上下文解析器。

特别是，正则表达式和我的调整都没有强制N每次都相同。您的说明听起来似乎只想匹配第一个标记之前有N个字词的字符串，以及它与第二个标记之间的$("html, body").animate({ scrollTop: $(document).height() }, "slow"); 字。使用正则表达式可以实现这种匹配，但它肯定不会干净。如果这是一项要求，正则表达式可能不是正确的工具。