相互包含的正则表达式模式优先级

Question

我想要一个正则表达式，它将帮助我按组('id'， 'description'， 'category')拆分字符串，其中'id'是整数，'description'是自定义词，'category'是预定义词('C1'， 'C2'， 'C1 C2'， 'C2 C3'， 'C1 C2 C3'等)。字符串示例:

1. 0自定义描述文本C1">
2. 25自定义描述文本C2">
3. 100自定义描述文本C1 C2">
4. 30自定义描述文本C2 C3">
5. 45自定义描述文本C1 C2 C3">
6. 45自定义描述文本任何用户自定义类别文本"…．．N(大于1000)。2自定义描述文本任何用户定义的类别文本">

一般来说，正则表达式中的替换项是从左到右求值的，因此首先检查最左边的替换项，赋予它们优先级):

(?<id>d{1,3}) (?<description>.+) (?<category>(C1 C2 C3|C1 C2|C2 C3|C2|C1))

但它返回错误的结果-它检测类别= 'C2 C3'在样本#5的情况下(我不明白为什么会发生这种情况)

ps:实际上类别列表是用户定义的列表，我从文件中加载。这可以是任何字符串(实际上不是C1, C2, C3等)。有超过1000+的已知类别…现在我使用这样的解决方案:

1. 添加所有已知的'categories'到字符串数组

2. 排序"类别">

   var sortedCategories =分类。OrderByDescending (x =比;

   x.Length) .ToArray ();

3. 每个类别尝试解析给定的字符串

   forech (var category in sortedCategories){//使用$"(? d {1,3 }) (?.+) (?({ "类别});var match =正则表达式。匹配(givenString面具);if (!match.Success)继续;//找到一个类别。做某事返回;}

这个逻辑是工作的，但它需要太多的时间。我相信我可以定义模式优先级的选项是存在的，但我在正则表达式中很弱，需要帮助:)提前感谢

Answer 1

在我解释为什么在样本#5的情况下检测category = 'C2 C3'之前，让我建议使用
(?<id>d{1,3}) (?<description>.+?) (?<category>(?:C[1-3] ?)+)代替其他选项。(注意(?<description>.+?)中的非贪婪量词+?)

现在，为什么第二个正则表达式在样本#5的情况下检测category = 'C2 C3' -这是因为前面的(?<description>.+)具有贪婪量词+，这使得它尽可能多地匹配，并且对于下面的(?<category>(...))部分，正则表达式引擎只从字符串的末尾尽可能多地回溯，因此它匹配较短的替代。

Answer 2

既然你写了有超过1000+已知的类别和它需要很多时间，我不确定这是否可以改善很多保持Regex.Match，因为它需要超过1000个替代品。但是，您可以在不使用循环的情况下测试和比较变体的执行，而是将类别连接到一个模式中:

using System;
using System.Linq;
using System.Text.RegularExpressions;

public class Program
{   public static void Main()
{   string [] categories = { "C1", "C2", "C1 C2", "C2 C3", "C1 C2 C3",
"any user defined category text" };
var sortedCategories = categories.OrderByDescending(x => x.Length).ToArray();
var mask = @"(d{1,3}) (.+?) (" + String.Join("|", sortedCategories) + ")";
string [] givenStrings = { "0 custom description text C1"
, "25 custom description text C2"
, "100 custom description text C1 C2"
, "30 custom description text C2 C3"
, "45 custom description text C1 C2 C3"
, "45 custom description text any user defined category text"
, "2 custom description text any user defined category text"
};
foreach (var givenString in givenStrings)
{
var match = Regex.Match(givenString, mask);
if (match.Success) Console.WriteLine(match.Groups[3]);
}
}
}

如果在mask模式的末尾添加$，则甚至不需要对类别进行排序。

也就是说，你可以没有Regex:

foreach (var category in sortedCategories)
if (givenString.EndsWith(category))
{
//true category found. do something
break;
}