正则表达式:一个可选的子字符串，可以出现在两个地方之一，但不能同时出现在两个地方

Question

我正在验证一个带有正则表达式、PCRE 风格的字符串。我有一个子字符串，可以选择出现在两个可能的地方之一 - 但不能同时出现。我如何为此编写正则表达式？

没有子字符串的正则表达式是

M[01]([ ]*(?[A-Z]{3})?)?

子字符串具有正则表达式 C[0-5]，可以在括号之前或之后出现，也可以根本不存在。它可以用空格分隔，也可以不用空格分隔。

有效示例(所有示例都包含空格以提高可读性，但没有空格的示例也有效(：

M1
M1 C1
M1 (OSS)
M1 C1 (OSS)
M1 (OSS) C1

无效示例：

M1 C1 (OSS) C1

我想出的最接近的东西是

M[01]([ ]*C[1-5]?)([ ]*(?[A-Z]{3})?)?([ ]*C[1-5]?)

但这也会接受无效示例。由于我只有两个位置，我当然可以列举不同的组合，但我不喜欢这种解决方案，因为它不能很好地扩展到更多可能的位置。

如果这很重要，这是一个将存在于更长字符串中进行验证的组，因此正则表达式将作为子例程嵌入到较大的字符串中。

Answer 1

一种选择是，当第一个 C 部分(可能(匹配时，捕获捕获组中的 C。然后，在可能的 C 部分的第二个位置，在匹配第一个捕获组之前对其进行负展望：

^M[01](?: *(C)[1-5])? *(?:(?[A-Z]{3})?(?: *(?!1)C[1-5])?)?$
^^^                                ^^^^^

https://regex101.com/r/xCxSn4/1

注意，如果要匹配纯空格，可以在模式中只使用纯空格，不需要字符集：例如([ ])等效于( )。

Answer 2

使用pcre，另一种选择是使用条件来检查是否存在具有该形式的组 1。

(?(1)foo|bar)

对于示例数据，您可以将所有 3 个部分设置为可选，其中第一部分是捕获组。如果没有捕获组 1，则匹配最后一个部分。

^M[01](h*C[1-5])?(?:h*([A-Z]{3}))?(?(1)|(?:h*C[1-5])?)$

解释

• ^字符串开头
• M[01]匹配 M 和 0 或 1
• (捕获组 1
  • h*C[1-5]匹配 0+ 水平空格字符和数字 1-5 的 C
• )?关闭组 1 并将其设置为可选
• (?:非捕获组
  • h*([A-Z]{3})匹配0+水平空格字符和A-Z之间的3次
• )?关闭组并将其设置为可选
• (?If 子句
  • (1)测试捕获组 1 是否存在。如果是这样，则什么都不做
  • |或
  • (?:h*C[1-5])?可选匹配 0+ 水平空格字符和 C 与数字 1-5
• )关闭如果子句
• $字符串结尾

正则表达式演示

请注意，在您尝试的模式中，匹配左括号和右括号是可选的)?也可能匹配M1 (OSS)。不确定这是否是预期的匹配，但我省略了那部分。