Ruby 用于查找最多n个连续模式的正则表达式

假设我们的模式是大写字母的正则表达式（但我们可能有一个比搜索大写字母更复杂的模式）

要找到至少n个连续的模式（在本例中，我们正在寻找的模式只是一个大写字母），我们可以这样做：

（使用Ruby）

但是，如何搜索最多n个连续模式，例如，最多一个连续大写字母：

matches = somestring.scan(/ ??? /)
=> [" deFgHij kLmN pQrS ", " abcdEf"]

---

详细策略 我读到我需要否定“至少”正则表达式，通过将其转换为DFA，否定接受状态（然后将其转换回NFA，尽管我们可以），从而将其写成正则表达式。如果我们认为遇到的模式是接收“1”，而没有接收到的模式是接收“0”，那么我们可以绘制一个简单的DFA图（其中n=1，我们最多需要一个模式）：

具体来说，我想知道这是如何变成正则表达式的。一般来说，我希望找到如何找到“最多”与正则表达式，因为我的正则表达式技能感到发育不良与“至少”单独

---

绊倒危险-精神上不是很正确的解决方案 请注意，该问题不是重复的，因为使用公认的方法会给出：

somestring.scan(/[A-Z]{2}[A-Z]*(.*)[A-Z]{2}[A-Z]*/)
=> [[" deFgHij kLmN pQrS X"]]

这不是DFA所显示的，不仅仅是因为它错过了第二个寻求的匹配-更重要的是，它包括了“X”，它不应该包括，因为“X”后面跟着另一个资本，从DFA中我们可以看到，后面跟着另一个资本的资本不是接受状态

你可以建议

somestring.split(/[A-Z]{2}[A-Z]*/)
=> ["", " deFgHij kLmN pQrS ", " abcdEf"]

（感谢）

但我仍然想知道如何单独使用regex查找最多n个实例。（了解一下！）

要查找带有正则表达式的“至多”，可以使用后缀

{1，n}

（可能前面有一个负的lookback，后面有一个正的lookahead），因此您需要的是：

irb(main):006:0> somestring.scan(/[A-Z]{1,2}/)
=> ["AB", "C", "F", "H", "L", "N", "Q", "S", "XY", "Z", "E"]

或

（但是，该正则表达式在字符串的开头和结尾可能不匹配）

看来

irb(main):026:0> somestring.split(/[A-Z]{3,}/)                                                                                                       
=> ["", " deFgHij kLmN pQrS ", " abcdEf"]

这样会更好。

为什么您的尝试无效 您当前的尝试存在一些问题

X

是匹配的一部分的原因是

*

贪婪并尽可能多地消耗-因此，只留下所需的两个大写字母由尾随位匹配。这可以用一个非贪婪的量词来解决

你没有获得第二场比赛的原因有两个。首先，需要有两个尾随的大写字母，但这里是字符串的结尾。其次，匹配不能重叠。第一个匹配包括至少两个尾随大写字母，但第二个需要在开始时再次匹配，这是不可能的

还有更多隐藏的问题：尝试输入四个连续的大写字母-它可以给你一个空匹配（如果你使用非贪婪的量词-贪婪的一个有更严重的问题）

用当前的方法修复所有这些问题是很困难的（我尝试过，但失败了——如果你想看到我的尝试，请查看本文的编辑历史，直到我决定完全放弃这种方法）。那我们试试别的吧

寻找另一个解决方案 我们想要匹配的是什么？忽略边缘情况，即匹配从字符串的开头开始或在字符串的结尾结束，我们希望匹配：

（非上限）1个上限（非上限）1个上限（非上限）.

这是杰弗里·弗里德尔的理想选择。看起来像

[^A-Z]+(?:[A-Z][^A-Z]+)*

那么边缘案例呢？我们可以这样说：

我们希望允许在匹配的开头有一个大写字母，只要它位于字符串的开头

我们希望允许在匹配结束时使用一个大写字母，前提是它位于字符串的末尾

要将这些添加到我们的模式中，我们只需将大写字母与适当的锚定组合，并将两者标记在一起作为可选：

(?:^[A-Z])?[^A-Z]+(?:[A-Z][^A-Z]+)*(?:[A-Z]$)?

更妙的是，我们不再需要捕捉了

推广解决方案 通过将每个

[A-Z]

更改为

[A-Z]{1，n}

，可以很容易地将此解决方案推广到“最多n个连续大写字母”的情况，从而允许最多

n个

大写字母，而到目前为止只允许一个

tl；博士 要匹配最多包含

N

PATTERN

s的单词，请使用正则表达式

/\b(?:\w(?:(?<!PATTERN)|(?!(?:PATTERN){N,})))+\b/

现在，重新运行至少2个大写的正则表达式返回

at_least_2_capitals = somestring.scan(/[A-Z][A-Z]+/)
=> ["ABC", "XYZ", "DC", "DC", "TT"]

=> 

注意完整的单词是如何被捕获的！你确定这就是你想要的吗？当然，我这样问是因为在后面的示例中，最多1个大写正则表达式返回完整的单词，而不仅仅是捕获的大写字母

---

解决方案 不管怎样，这都是解决办法

首先，为了只匹配模式（而不是整个单词，与您最初的示例一致），这里有一个用于最多-

N

-

PATTERN

s的正则表达式：

进一步举例说明，最多2个大写regex返回

at_least_2_capitals = somestring.scan(/[A-Z][A-Z]+/)
=> ["ABC", "XYZ", "DC", "DC", "TT"]

=> 

---

最后，如果您想匹配最多包含一定数量连续模式的整个单词，那么这里有一种完全不同的方法：

/\b(?:\w(?:(?<![A-Z])|(?![A-Z]{1,})))+\b/

一般形式是

/\b(?:\w(?:(?<!PATTERN)|(?!(?:PATTERN){N,})))+\b/

/\b（？:\w（？）？

您可以在中看到所有这些示例。
如何从Q3到Q4？已修复。我重写得很整齐，但没有找到标签！由于缺乏简洁的解释，我忽略了尝试解释epsilon（字符串末尾）计为“0”在图中，表示接受以一个大写字母结尾的内容。你看过OPs示例输入了吗？这不是他要找的。他想找到最长的子字符串，这些子字符串包含的子模式的连续匹配项不超过
n
。他明确地说我认为他的示例输入/输出是嗯（与使用拆分和匹配其他内容相反）。抱歉，这不清楚！我的意思是，如何获得=>[“deFgHij kLmN pQrS”，“abcdEf mixedCa”
/(?<!PATTERN)(?!(?:PATTERN){N+1,})(?:PATTERN)+/

/(?<![A-Z])(?!(?:[A-Z]){2,})(?:[A-Z])+/

=> ["F", "H", "L", "N", "Q", "S", "E", "C", "DC", "I", "C", "I", "DC", "T", "TT"]

=> 

/\b(?:\w(?:(?<![A-Z])|(?![A-Z]{1,})))+\b/

["deFgHij", "kLmN", "pQrS", "abcdEf", "mixedCaps", "mIxedCaps", "T", "t", "tt"]

/\b(?:\w(?:(?<!PATTERN)|(?!(?:PATTERN){N,})))+\b/