Expression régulière pour rechercher uniquement en majuscules “mots”, avec quelques exceptions

J'ai des chaînes de caractères suivantes:

"The thing P1 must connect to the J236 thing in the Foo position."

Je voudrais correspondre avec une expression régulière seulement ceux en majuscules les mots (à savoir ici P1 et J236). Le problème est que je ne veux pas correspondre à la première lettre de la phrase quand il s'agit d'une lettre mot.

Exemple, dans:

"A thing P1 must connect ..."

Je veux P1 seulement, pas A et P1. En faisant cela, je sais que je peux manquer d'un vrai "mot" (comme dans "X must connect to Y"), mais je peux vivre avec ça.

En outre, je ne veux pas de match en majuscules les mots si la phrase est en majuscule.

Exemple:

"THING P1 MUST CONNECT TO X2."

Bien sûr, idéalement, je voudrais correspondre les mots techniques P1 et X2 ici mais comme ils sont "cachés" dans la phrase en majuscules et puisque ces mots n'ont pas de modèle spécifique, c'est impossible. Encore une fois je peux vivre avec ça parce que les majuscules phrases ne sont pas si fréquents dans mes fichiers.

Merci!

Faire de tous les termes techniques contiennent des nombres?
Quoi que vous fassiez, ne pas utiliser de 7 bits littéraux aime [A-Z]. C'est très RADIX-50, et n'a pas sa place dans le code écrit au cours des dernières décennies. Utiliser quelque chose qui fonctionne sur n'importe quel texte. Peu ce qui signifie quelque chose lié à \w ou [[:alpha:]] ou \pL ou \p{Alphabetic}, selon votre expression rationnelle du langage et de l'environnement. En fait, les implémentations varient tellement que certains de ceux-ci peut être légale et de droit, sur certaines plateformes, mais légal et mal sur les autres.

InformationsquelleAutor Patrick | 2011-01-04

51

Dans une certaine mesure, cela va varier en fonction de la "saveur" de la RegEx que vous utilisez. La liste suivante est basée sur .NET RegEx, qui utilise \b pour les limites des mots. Dans le dernier exemple, il utilise aussi négatif lookaround (?<!) et (?!) ainsi que de non-capture de parenthèses (?:)

En fait, toutefois, si les conditions toujours contenir au moins une lettre majuscule suivie par au moins un numéro, vous pouvez utiliser
```
\b[A-Z]+[0-9]+\b
```
De majuscules et de chiffres (le total doit être de 2 ou plus):
```
\b[A-Z0-9]{2,}\b
```
De majuscules et de chiffres, mais en commençant par au moins une lettre:
```
\b[A-Z][A-Z0-9]+\b
```
L'ancêtre, pour retourner les articles qui ont n'importe quelle combinaison de lettres majuscules et de chiffres, mais qui ne sont pas d'une seule lettre au début d'une ligne et qui ne font pas partie d'une ligne qui est tout en majuscules:
```
(?:(?<!^)[A-Z]\b|(?<!^[A-Z0-9 ]*)\b[A-Z0-9]+\b(?![A-Z0-9 ]$))
```
ventilation:

La regex commence avec (?:. Le ?: signifie que, bien que ce qui suit est entre parenthèses, je ne suis pas intéressé par la capture du résultat. Cela s'appelle le "non-capture de parenthèses." Ici, je suis en utilisant le paretheses parce que je suis à l'aide de l'alternance (voir ci-dessous).

À l'intérieur de la non-capture de parens, j'ai deux clauses séparées, séparés par le symbole |. C'est l'alternance -- comme un "ou". La regex peut correspondre à la première expression ou la seconde. Les deux cas sont ici "c'est le premier mot de la ligne" ou "tout ce," parce que nous avons l'exigence spéciale de l'exclusion des mots d'une lettre au début de la ligne.

Maintenant, regardons chaque expression dans l'alternance.

La première expression est: (?<!^)[A-Z]\b. La proposition principale ici est [A-Z]\b, qui est une lettre majuscule suivie par une frontière de mot, ce qui pourrait être des signes de ponctuation, espaces, saut de ligne, etc. La partie avant qui est (?<!^), qui est un "négatif lookbehind." C'est un zéro-largeur de l'assertion, ce qui signifie qu'il n'est pas "consommer" des personnages dans le cadre d'un match -- pas vraiment important de comprendre qu'ici. La syntaxe pour le négatif lookbehind dans .NET est (?<!x), où x est l'expression qui doit pas exister avant notre proposition principale. Ici, cette expression est tout simplement ^, ou au début de la ligne, donc de ce côté de l'alternance se traduit par "n'importe quel mot composé d'une seule lettre majuscule qui est pas au début de la ligne."

Ok, donc nous sommes correspondant à une lettre, majuscule les mots qui ne sont pas au début de la ligne. Nous avons encore besoin de faire correspondre les mots composées de tous les numéros et les lettres majuscules.

Qui est gérée par une partie relativement petite de la seconde expression dans l'alternance: \b[A-Z0-9]+\b. Le \bs représentent les limites des mots, et la [A-Z0-9]+ correspond à un ou plusieurs chiffres et de lettres majuscules ensemble.

Le reste de l'expression se compose d'autres lookarounds. (?<!^[A-Z0-9 ]*) est l'autre négative lookbehind, où l'expression est ^[A-Z0-9 ]*. Cela signifie que ce qui précède ne doit pas être en lettres majuscules et de chiffres.

La deuxième lookaround est (?![A-Z0-9 ]$), qui est une anticipation négatif. Cela signifie ce qui suit doit pas être en lettres majuscules et de chiffres.

Donc, au total, nous sommes à la capture des mots de toutes les lettres majuscules et de chiffres, et à l'exclusion d'une lettre, majuscule des caractères à partir du début de la ligne et de tout ce à partir de lignes qui sont tous en majuscules.

Il y a au moins une faiblesse ici dans le lookarounds dans la deuxième alternance expression agir de façon indépendante, ainsi, une phrase comme "Un P1 doit se connecter à la J9" correspond à J9, mais pas P1, parce que tout ce qui est avant P1 est en majuscule.

Il est possible de contourner ce problème, mais ce serait presque le triple de la longueur de la regex. En essayant de faire beaucoup en une seule regex est rarement, sinon jamais, justfied. Vous serez mieux de diviser le travail en plusieurs regexes ou une combinaison de regex et la norme de la chaîne de traitement des commandes dans votre langage de programmation de choix.
- Merci! Mon cas serait "tout en majuscules et en nombre". Le problème avec la solution que vous proposez est qu'il corresponde à l'Un dans "Une chose P1 se connecter à XYZ".
- Ce n'est pas le match A. Les trois premières besoin de deux ou de plusieurs caractères, et le dernier ne nécessite qu'un seul ou plusieurs, mais il ne peut pas être au début.
- Désolé Jay, je ne vois pas l'ancêtre de la partie dans votre premier post. Malheureusement, quand je l'ai essayer avec preg_replace, il renvoie le message: "Warning: preg_replace(): la Compilation a échoué: l'assertion arrière est ici pas de longueur fixe à décalage 32 en ligne de Commande code on line 1"
- Comme je l'ai dit, il varie selon l'expression rationnelle de la saveur, et je ne sais pas ce que vous utilisez. Non chaque type de RegEx utilise les mêmes symboles, et non chaque type prend en charge les mêmes caractéristiques. Les exemples donnés sont basés sur les .NET Regex; désolé que cela ne fonctionne pas pour vous.
- Jay, pourrais-je vous demander de vous expliquer les différentes parties de votre "grand-papa", je suis en train d'essayer de la comprendre pour l'adapter à mon PCRE de la saveur. Merci encore!
- J'ai ajouté une décomposition de la regex.
- Mon Dieu, si je pouvais voter, vous serait numéro 1! Merci beaucoup Jay, il est très apprécié.
- Mais Jay, si je comprends bien (je ne peux pas le tester à ce point, comme je l'ai dit avant), pourquoi dans "Une chose qui se connecte P à X." ne correspond pas? 'A' ne correspond pas à la première clause mais correspondent à la deuxième et puisque c'est un OU et de pas et de ET de, il sera suffisant. Ai-je raté quelque chose?
- Le deuxième paragraphe commence par le négatif lookbehind (?<!^[A-Z0-9]*) La * signifie zéro ou plus, par opposition à +, qui est utilisé ailleurs et désigne un ou plus. Le début-de-ligne est notée par ^, donc, si ce qui précède n'est que le début-de-ligne et ZÉRO ou plusieurs lettres majuscules ou des chiffres, le match échoue.
- Tout d'abord, merci encore pour les explications! Mais je ne suis pas sûr que je comprends. Nous allons simplifier le problème, oubliez l'exclusion des majuscules, des phrases et de la non-capture de parenthèses. Votre regex serait: (?<!^)[A-Z]\b|\b[A-Z0-9]+\b. La commande PHP preg_match_all sur "Une chose qui se connecte P à X." sera de retour A,P et X comme des allumettes, n'est-ce pas? Dans ma compréhension, 'A' sera un match, car il correspond à la deuxième clause de l'OU.
- Qui est correct. Il est négatif lookbehind dans mon deuxième clause qui provoque A pas de match. Si vous n'êtes pas préoccupé par tous les bouchons de phrases, le deuxième alinéa peut être réduit à (?:^[A-Z0-9]{2,}|(?<!^)\b[A-Z0-9]+)\b. Ici, la première partie de l'alternance correspond au début de la ligne, et le nom doit être de 2 ou plus de bouchons ou des nums. La deuxième partie de l'alternance des matchs partout PAS au début de la ligne.
- Nous allons simplifier davantage. Supposons que je veux correspondre qu'à une seule lettre mots, à l'exclusion de nouveau à ceux qui commencent une chaîne de caractères. Au premier abord, je voudrais mettre: (?<!^)[A-Z]\b. Bien sûr, le problème avec ceci est que le " C " et " X " seront correspond à "Une chose qui se connecte PC et X". Je tiens à exprimer quelque chose comme "une lettre qui n'est pas précédé le début de la chaîne ni, par une lettre, mais il semble être impossible d'écrire une expression régulière dans une lookbehind, quelque chose comme (?<![A-Z^])[A-Z]\b ne fonctionne pas. Est-il un moyen de le faire?
- Ooooh, ok, je vois maintenant. Merci beaucoup Jay, votre aide a été très apprécié!
- +1 juste pour le travail que vous avez mis en répondant à cette question, la regex est déjà dur à lire, mais votre 4ème est juste hallucinant
- Si cela ne fonctionne pas, vous pouvez utiliser une REGEX le dialecte dans lequel vous devez vous 1. utiliser ( et \) au lieu de (:? et ) 2. \< pour bigin de la parole et de \> de limite de mot, au lieu de \b de limite de mot.
InformationsquelleAutor Jay
3

Pourquoi avez-vous besoin de faire cela dans un monster-regex? Vous pouvez utiliser le code pour mettre en œuvre certaines de ces règles, et de le faire serait d'autant plus facile à modifier si ces exigences changer plus tard.

Par exemple:
```
if(/^[A-Z0-9\s]*$/)
    # sentence is all uppercase, so just fail out
    return 0;

# Carry on with matching uppercase terms
```
- En fait, j'ai un ensemble de regexes qui sont contenues dans une table mySQL et mon code php s'exécute tous ces preg_replace() dans la séquence. C'est pourquoi je ne voulais pas ajouter de la complexité en ajoutant si l'. Bien sûr, si c'est impossible de faire autrement, je vais peut-être changer d'avis...
- Pourquoi avez-vous besoin pour stocker logique dans un données de la base?
- Bonne question. La logique est stocké dans une base de données, car en fin de compte, il est de la responsabilité de l'utilisateur d'entrer (via un formulaire en ligne) les regexes qui sera appliqué à un texte spécifique. Mon programme passe en boucle sur ces regexes et renvoie les matchs.
InformationsquelleAutor Anon.
3

Peut-être que vous pouvez exécuter cette regex en premier pour voir si la ligne est tout en majuscule:
```
^[A-Z \d\W]+$
```
Qui correspond seulement si c'est une ligne comme THING P1 MUST CONNECT TO X2.

Sinon, vous devriez être en mesure de sortir de la personne en majuscules phrases avec ceci:
```
[A-Z][A-Z\d]+
```
Qui doit correspondre à "P1" et "J236" dans The thing P1 must connect to the J236 thing in the Foo position.
- sur la tous les bouchons de vérifier, je pense que l'espace est en \W, puis en ajoutant _ et en supposant qu'aucune vérification supplémentaire n'est nécessaire sur une chaîne vide, il pourrait être généralisé à d' /^[A-Z\d\W_]*$/
InformationsquelleAutor Upgradingdave
3

Ne fais pas les choses comme [A-Z] ou [0-9]. N' \p{Lu} et \d à la place. Bien entendu, ceci est valable pour perl en fonction regex saveurs. Cela inclut java.

Je voudrais suggérer que vous ne faites pas quelque énorme regex. D'abord diviser le texte en phrases. ensuite, marquer c' (divisé en mots). Utiliser une regex pour vérifier chaque jeton/mot. Passez le premier élément de la phrase. Vérifier si tous les pions sont en lettres majuscules à l'avance et de passer l'ensemble de la phrase, si oui, ou de modifier la regex dans ce cas.

InformationsquelleAutor Radu Simionescu
2

Je ne suis pas une regex gourou par tous les moyens. Mais essayez:
```
<[A-Z0-9][A-Z0-9]+>

<           start of word
[A-Z0-9]    one character
[A-Z0-9]+   and one or more of them
>           end of word
```
Je ne vais pas essayer pour les points de bonus, de l'entier supérieur le cas de la phrase. hehe

InformationsquelleAutor Craig Celeste
1

Pour le premier cas, vous proposer, vous pouvez utiliser: '[[:blank:]]+[A-Z0-9]+[[:blank:]]+', par exemple:

echo "La chose P1 doit se connecter à la J236 chose dans le Foo position" | grep -oE '[[:blank:]]+[A-Z0-9]+[[:blank:]]+'

Dans le second cas, peut-être vous avez besoin d'utiliser quelque chose d'autre et non pas d'une expression régulière, peut-être un script avec un dictionnaire de mots techniques...

Acclamations, Fernando
- Je suis upvoting-ce à cause de l'idée d'utiliser un dictionnaire de termes techniques. Depuis l'OP déjà indiqué dans d'autres commentaires que d'une base de données est disponible, il semble faire beaucoup plus de sens pour trouver des conditions intéressantes en utilisant ce genre d'information, plutôt que de tenter de les reconnaître basé sur les faiblesses d'une convention.
- Eh bien, c'est vrai qu'une base de données est disponible, mais j'ai aussi mentionné qu'il n'existe pas de modèle spécifique pour les mots techniques.
InformationsquelleAutor Fernando

Vous devez vous connecter pour publier un commentaire.