java - 正则表达式中的两个 "any"组之间是否可以有一个可选组？

Question

我有一个如下所示的正则表达式语句:

(.*)_(ce)_(.*)_([0-9]{8}).([A-Za-z]{1,20})(?:\\.[A-Za-z]{1,20})?

它应该分组 (anything)_(ce)_(anything)_(some digits).(some_ext).(some_possible_ext) .

所以，这是一个可能的传递字符串:

hello_ce_world_20192212.json.xml .

这些组是:

1. hello
2. ce
3. world
4. 20192212
5. json
6. xml

我现在想让 (ce) 可选，并使正则表达式如下所示:

(.*)_(ce_)?(.*)_([0-9]{8}).([A-Za-z]{1,20})(?:\\.[A-Za-z]{1,20})?

这样就可以通过:hello_ce_world_20192212.json.xml ，组将是:

1. hello
2. ce
3. world
4. 20192212
5. json
6. xml

这将通过:hello_world_20192212.json.xml ，组将是:

1. hello
3. world
4. 20192212
5. json
6. xml

所以，正则表达式有效!问题是，当 (ce_) 出现在正在评估的文本中时，它包含在第一组中。所以，hello_ce_world_20192212.json.xml通过正则表达式，但组是:

1. hello_ce
3. world
4. 20192212
5. json
6. xml

这违反了我上面提到的约束。不确定如何修复正则表达式以使其执行此操作；我怀疑是因为它位于两个 (.*) 之间组，它不会工作或者我的正则表达式需要更具体。只要从逻辑上思考一下，我就会明白我不太可能实现我想要的……但也许外面有人有更多的理解。有什么帮助吗？

我找到了这个website有助于测试哪些组在哪里以及其他内容。

Answer 1

您可以使用 ? 使第一组捕获非贪婪组。这个正则表达式应该可以满足您的需要:

(.*?)_(ce)?_?(.*)_([0-9]{8})\.([A-Za-z]{1,20})?\.([A-Za-z]{1,20})?

经测试https://regex101.com/r/MZqDPd/3

另请注意使 ce 成为可选但已捕获的调整，而不使用 _。这会导致其中一个可能丢失但仍然通过正则表达式的情况。请注意这一点。