Notepad ++上的正则表达式混淆

如何解决Notepad ++上的正则表达式混淆

我的文档中有这些类型的字符串

<year of publication: 2007>
<कुम्भ-कारस्य>U

我的目标是为文档中的第一种行添加书签。 我使用以下正则表达式 (?<=\<)([a-z]+?)(?<=\>) 然而，这最终也选择了第二个字符串中的 U。我能修复什么？这是在记事本++上

解决方法

简单地说，您需要在正则表达式模式的右侧使用积极的前瞻，而不是后视：

(?<=<)([a-z]+?)(?=>)
                ^^^ change is here

请注意，如果您更一般地只想匹配标签内容，您可以使用：

<(.*?)>

然后访问第一个捕获组。

,

您遇到的问题是由于您使用了 \< 和 \>，前导和尾随字边界，而不是 < 和 { {1}}、尖括号模式。 > 字母匹配，因为

• 您已将 Match Case 选项设为 OFF 并且
• U 和 \< 是词边界，\> 前面是 U，后面没有字符字符，即它被词边界位置包围。

如果你想用像 > 这样的模式匹配行，你可以使用

<[LOWERCASE_WORD](optional lowercase words)?: [DIGITS]>

参见regex demo。

详情

• (?-i)<[a-z]+(?:\h+[a-z]+)*:\h*\d+> - 模式现在区分大小写
• (?-i) - < 字符
• < - 一个或多个 ASCII 字母
• [a-z]+ - 一个或多个水平空白和一个或多个小写 ASCII 字母的零次或多次重复
• (?:\h+[a-z]+)* - 一个冒号
• : - 一个或多个水平空白
• \h* - 一位或多位数字
• \d+ - 一个 > 字符。

奖金

如果您的模式不必那么严格，这些是您的一些变体：

• > (demo) - 匹配 <[a-z\h]*:[^<>]*>，然后是零个或多个空格和字母（尊重您的 Match Case 设置），< ，然后是除 : 和 < 之外的任何零个或多个字符，然后是 >
• > (demo) - 匹配 <[a-z][^>]*>，一个 ASCII 字母（尊重您的 Match Case 设置），然后是除 { 之外的任何零个或多个字符{1}} 然后是 <。

,

根据对您的问题 .add 后跟一个或多个非括号直到 < 后跟 year 的非常严格的理解，我建议如下：

• <[^>]+: \d{4}>

要了解更复杂或更好的理解，请查看 Wiktor 的答案。