C# Regex从没有分区的长代码串中拆分不同的代码

我（基本上）有一个大约600000个代码的文件

它们看起来像这样：

HJ43EKU2

BJX4700QHJ43EKU2KU89EJKM

当存储/加载它们时，它们看起来如下所示：

HJ43EKU2

BJX4700QHJ43EKU2KU89EJKM

每个代码正好是8位数字

它们是字母数字（a-Z，0-9），没有重音或符号

所以这是可行的（用于拆分代码块）：

但有一个问题，因为某些格式的代码不是像这样的有效代码：

MF93276H

第7位数字不能是数字

这不会太糟糕，除非有一个例外，即如果代码的第二位是

N

（或字母表中更高的数字），那么这将使代码再次有效

如何对正则表达式实现一些逻辑，以便它考虑到重新验证代码的规则的“例外情况”？

在C#中，您可以使用已知的技术使用捕获组，然后对其进行评估：

var rx = "[a-zA-Z0-9]N[a-zA-Z0-9]{4}[0-9][a-zA-Z0-9]|([a-zA-Z0-9]{6}[0-9][a-zA-Z0-9])|[a-zA-Z0-9]{6}[a-zA-Z][a-zA-Z0-9]";
var results = Regex.Matches("BJX4700QHJ43EKU2KU89EJKM", rx)
            .Cast<Match>()
            .Where(m => !m.Groups[1].Success)
            .Select(z => z.Value);
foreach (var s in results)
    Console.WriteLine(s);

var rx=“[a-zA-Z0-9]N[a-zA-Z0-9]{4}[0-9][a-zA-Z0-9]|（[a-zA-Z0-9]{6}[0-9][a-zA-Z0-9]）|[a-zA-Z0-9]{6}[a-zA-Z][a-zA Z0 9]；
var结果=正则表达式匹配（“BJX4700QHJ43EKU289EJKM”，rx）
.Cast（）
.Where（m=>！m.Groups[1]。成功）
.选择（z=>z.Value）；
foreach（结果中的var s）
控制台。写入线（s）；

见

正则表达式详细信息

• [a-zA-Z0-9]N[a-zA-Z0-9]{4}[0-9][a-zA-Z0-9]

  -第二个字符等于的有效代码模式

• |

  -或

• （[a-zA-Z0-9]{6}[0-9][a-zA-Z0-9]）

  -第1组（如果匹配，则丢弃）：无效的代码模式

• |

  -或

• [a-zA-Z0-9]{6}[a-zA-Z][a-zA-Z0-9]

  -有效的代码模式

注意：如果N（或字母表中的更高版本）表示如果第二个字符是

O

，

p

Z

，您需要将第一个备选方案中的

N

替换为

[N-Z]

代码详细信息

• 。其中（m=>！m.Groups[1].Success）

  -如果组1不匹配，则匹配的代码是有效代码，因此仅获取这些代码

• .Select（z=>z.Value）

  -仅在结果中保留整个匹配对象值文本
我强烈建议您不要这样做，但.NET实际上支持条件组，因此您可以：

var pattern=“[a-zA-Z0-9]（？：（？N）|[a-zA-Z0-9-[nN]]）[a-zA-Z0-9]{4}（？（N）[a-zA-Z0-9]|[a-zA-Z]）[a-zA-Z0-9]”；
Regex.IsMatch（“MF93276H”）//false
Regex.IsMatch（“MN93276H”）//true

我会使用替代结构：

var x = @"HJ43EKU2";
var match =
    Regex.Match(x, @"(?i)[a-z0-9](?([n-z])[a-z0-9]{7}|[a-z0-9]{5}[a-z][a-z0-9])");
var code = match.Value;

•

（？i）

使搜索不区分大小写
•

（？（n-z））

零宽度断言，用于检查第二个字符是

n

还是“更多”
•

[a-z0-9]{7}

如果第二个字符为

N

或更多，则允许第七个字符为数字

---

•

[a-z0-9]{5}[a-z][a-z0-9]

如果第二个字符不是
或更多，则不允许第七个字符是数字对于上面发布的

BJX4700QHJ43EKU289EJKM

的预期结果是什么？是否在PHP中？语言风格是什么？

HJ43EKU2

和

KU89EJKM

@WiktorStribiżew C#顺便说一句，如果你想让你的正则表达式对象使用不区分大小写的匹配，你可以将

[a-zA-Z0-9]

减少到

[a-Z0-9]

，在保持可读性的同时缩短你的正则表达式模式…@Sanguine实际上，要理解你问题中的逻辑有点困难，请注意我的笔记。我想你可以不用零宽度前瞻。只需使

[n-z]

匹配，然后是6

[a-z0-9]

。还是对regex模式的简单性投了赞成票……不，没有人投反对票。我只是不小心没有启动（再次单击了向上投票按钮，因为我紧张不安，没有注意）。我的坏毛病，现在就好了；-）