正则表达式获取模式的最后一个匹配项

Question

这是一个类似于我要匹配的字符串（为简单起见，除了几个特定模式外）。 Hello, tonight I'm in the town of Trenton in New Jersey and I will be staying in Hotel HomeStay [123] and I have no money.

我试图只匹配最后一个 in Hotel HomeStay [123]。

我现在对前瞻和后视等正则表达式概念不是很熟悉。这里的类似问题似乎无法解决我的问题。我已经尝试了一堆正则表达式（据我所知），这就是我想出的 (?= (?:in|\d+))([\w \[]*\s*\d*\]*)(?!.*in)。数字和特殊字符可能是我实际尝试匹配的部分内容。

前瞻和后视模式不限于仅包含 in。他们也可以有更常用的词，例如 and 和 is。我只是在寻找其中任何一个的最后一次出现，然后是非常独特的主要模式 - edit 假设匹配项必须包含 HomeStay或 LuxuryInn，为了示例。

然而，这匹配整个in the town of Trenton in New Jersey and I will be staying in Hotel HomeStay [123]。我哪里错了？另外，有人可以解释为什么 in 尽管被放置在非捕获组中但仍被捕获吗？

非常感谢任何帮助。

Answer 1

在java中：

String s = "Hello, tonight I'm in the town of Trenton in New Jersey and I will be "
           + "staying in Hotel HomeStay [123] and I have no money.";
// Garbage: final String SUBP = "\bin\s+(\S+)";
Pattern p = Pattern.compile("^.*\sin\s+(\S+).*$", Pattern.DOTALL);
String last = p.matcher(s).replaceFirst(""); // If found

这将查找 last“...在...”，因为 .*（而不是热切的 .*?）将查找最长的序列。

上面的结果将是 Hotel（in 之后没有空格）但它可以是任何东西。

Dot-All 会影响 . 也匹配换行符。
模式将从开头 ^ 到结尾 $。
任意字符 .*（最长）后跟空白字符 \s。
然后是“in”，然后是组 1 中的一个词 (non-spaces \S+) (...)
然后是任何字符直到结束 .*。对于纯度，最短序列应该是 .*?。
结束$.

Answer 2

如果要检索包含 HomeStay 并以某些词为前缀但不包含这些词的文本，可以使用内部使用否定 look-ahead 的捕获组。下面的正则表达式捕获了所有事件 (working fiddle).

\b(?:in|and|is)\s+((?:.(?!\b(?:in|and|is)\b))*HomeStay(?:.(?!\b(?:in|and|is)\b))*)

在这里，正则表达式查找：

一个给定的前缀（in、and 或 is 作为一个整个单词，被分词符包围 \b)
...后跟至少一个空白字符，
... 然后是 0 个或多个字符的序列 每个字符后面都没有前缀,
...接着是HomeStay,
... 后跟另一个 0 个或多个字符序列，每个字符后仍未跟前缀

如果你只想要最后一次出现，你可以在 (fiddle).

之后添加另一个否定 look-ahead

\b(?:in|and|is)\s+((?:.(?!\b(?:in|and|is)\b))*HomeStay(?:.(?!\b(?:in|and|is)\b))*)(?!.*HomeStay.*)

与上面相同，只是匹配的文本后面不能跟包含 HomeStay.

的文本

最后，如果匹配文本必须至少包含列表中的一个词，只需将 HomeStay 的两次出现都替换为备选列表。寄宿家庭和豪华住宅示例：(?:HomeStay|Luxury) (fiddle).

正则表达式获取模式的最后一个匹配项

Regex to get the last match of a pattern

regex

regex-group

regex-lookarounds