Question

我有一个字符串（不包含换行符），我想找到第一个字符串中的所有子序列。

例如，我们假设我要查找的字符串是"hello world"。如果我在此字符串中搜索（使用正则表达式）："1h2e3l4l5o6 7w8o9r0l0d0"，它应该能够发现它确实包含（一次）字符串"hello world"。它还应该能够在以下字符串中找到多个匹配项："hheelloo wwoorrlldd"。

我有以下代码：

string stringToSearch = // could be anything (no newline)
int numOfSubSeq = 0;
Regex myRegex = new Regex("h.*e.*l.*l.*o.* .*w.*o.*r.*l.*d");
MatchCollection matches = myRegex.Matches(stringToSearch);
numOfSubSeq = matches.Count; // I only need the number of matches

这很有效。有点。如果stringToSearch为"1h2e3l4l5o6 7w8o9r0l0d0"，则效果很好。但是，如果stringToSearch是"hheelloo wwoorrlldd"，则此正则表达式只能找到一个匹配，这是错误的。

关于如何解决此问题的任何想法？

Answer 1

使用.NET正则表达式，你不会有任何运气。你最好的选择是为它编写一个算法。正则表达式不适合这项工作。

那就是说，你可以使用PCRE正则表达式做到这一点，我只是为了好玩而做到了这一点;）

免责声明：我是本文中使用的库的作者。

Fisrt，安装PCRE.NET：

m_settingsDialog = new QDialog;
QWidget settingsWidget = loader.load(&file);
settingsWidget.setParent(m_settingsDialog);

然后，构建一个这样的模式：

Install-Package PCRE.NET

在PCRE用语中，h.*?e.*?l.*?l.*?o.*?\ .*?w.*?o.*?r.*?l.*?d(?C1)事件被称为标注。它指示正则表达式引擎在匹配的这一点调用你的自定义函数。然后，您可以说该部分是否应被视为匹配。

计算调用callout函数的次数，并告诉引擎模式应该失败，这会强制它回溯。完成工作。

(?C1)

致电public static int GetMatchCount(string searchFor, string searchIn) { if (string.IsNullOrEmpty(searchFor) || string.IsNullOrEmpty(searchIn)) return 0; var patternBuilder = new StringBuilder(); foreach (var searchChar in searchFor) patternBuilder.Append(Regex.Escape(searchChar.ToString())).Append(".*?"); patternBuilder.Length -= 3; patternBuilder.Append("(?C1)"); var pattern = new PcreRegex(patternBuilder.ToString()); var count = 0; pattern.Match(searchIn, callout => { ++count; return PcreCalloutResult.Fail; }); return count; }会返回GetMatchCount("hello world", "hheelloo wwoorrlldd")。

哦，顺便说一句，如果你想真正看到字符在输入字符串中的位置，这里有一些代码：

这是结果：

public static void PrintMatches(string searchFor, string searchIn)
{
    if (string.IsNullOrEmpty(searchFor) || string.IsNullOrEmpty(searchIn))
        return;

    var patternBuilder = new StringBuilder();
    foreach (var searchChar in searchFor)
        patternBuilder.Append("(").Append(Regex.Escape(searchChar.ToString())).Append(").*?");

    patternBuilder.Length -= 3;
    patternBuilder.Append("(?C1)");

    var pattern = new PcreRegex(patternBuilder.ToString());
    var outputBuilder = new StringBuilder();

    Console.WriteLine(searchIn);
    pattern.Match(searchIn, callout =>
    {
        outputBuilder.Clear();
        outputBuilder.Append(' ', searchIn.Length);

        foreach (var group in callout.Match.Groups.Skip(1))
            outputBuilder[group.Index] = '^';

        Console.WriteLine(outputBuilder);

        return PcreCalloutResult.Fail;
    });
}

Answer 2

当然，由于两个原因，您无法找到多于一个结果

您只搜索一个字符（h而不是h*）。
您根本没有任何匹配的群组

您可以将此网站用作正则表达式的测试区：https://regex101.com/r/uT8eS0/1

首先，如果您想要只有一个匹配项，则必须定义匹配组。否则你只会一直得到一场比赛。当您搜索h时，您也在搜索单个字符。如果您想匹配多个，则必须将其更改为h*或h+。如果您决定使用+，则匹配一个到无限制字符。如果你选择*，它将匹配零到无限字符。

将您的模式更改为"h+.*e+.*l+.*l+.*o+.* .*w+.*o+.*r+.*l+.*d+也将匹配您发布的模式中您的字符之间的.*指令中处理的字符。 Afaik它不可能只在一个字符串中匹配不同的组。您可以在组或子组中分隔每个字符，但这会产生大量不同的组。

Answer 3

我知道，我应该用C＃编写这个，但是我在PERL中写了它，因为它也知道正则表达式; @时间更容易。

$_ = "hheelllloo";

sub matchmaker {
  my @blah = @_;
  if ($blah[0] =~ /[h]{$blah[1],}[e]{$blah[1],}[l]{$blah[1],}[l]{$blah[1],}[o]{$blah[1],}/) {
    $blah[1]++;
    print("deeper\n");
    matchmaker($blah[0],$blah[1]);
   } else {
     return $blah[1]-1;
  }
}

$match = matchmaker($_,1);
print("match ",$match);

它是递归函数，如果您将查看您的字符串并要求越来越多的字母匹配您要求的模式。您可以在5分钟内将其转换为c＃。模式{min，max}的正则表达式语法的关键;你增加最小值并让最大值尽可能地贪婪。所以我寻找一个h，然后是一个e，然后是一个l，而不是另一个l。如果我找到所有，我会寻找2小时，2小时，2小时，2小时1和2小时......你明白了。

现在，如果您想要增强此功能并获得更多匹配，请在字符串中向前移动一个字母，然后重新运行匹配。

你可以暂时玩这个，它是否有效。不知道:)）

Answer 4

请查看this解决方案以解决类似的问题（使用javascript，但很容易理解）。

查找给定字符串的所有子序列

4 个答案: