独立单词的否定前瞻

Question

我正在尝试编写基于规则的逻辑来从文本中提取信息。我需要将每个提取的字符串分配给每个特定情况。然而，我一直在处理消极的前瞻用例。我需要找到一个单词“cash”，后跟“rp”或“idr”，然后是可以包含“.”、“,”或数字中任何空格的数字，但后面不能跟独立的“juta|” jt|米”。

这是我迄今为止的工作：

cash\s*[\:,.-]?\s*(rp|idr)[\.,]?\s*([\d\s,.]+)(?!juta|jt|m)\b

这些是测试用例：

harga cash: rp 130jt (nego alu
harga cash: rp 230juta (nego alu
harga cash: rp 330 juta (nego alu
harga cash: rp 430,000,000 juta (nego alu
harga cash: rp 530m (nego alu
harga cash: rp 630 (nego alu
harga cash: rp 730000000 (nego alu
harga cash: rp 830,000,000 (nego alu
harga cash: rp 930 000 000 (nego alu

正则表达式错误地匹配所有这些行，而它应该只匹配最后四行并产生：

cash: rp 630
cash: rp 730000000
cash: rp 830,000,000
cash: rp 930 000 000

因此，数字后面带有

juta

、

jt

和

m

的所有字符串都不应该被匹配。谁能指出我哪里做错了？

Answer 1

如果右侧有以

(?!juta|jt|m)\b

、

juta

或

it

开头的单词，则

m

模式匹配失败，但前面的模式

[\d\s,.]+

允许回溯，因此可以重新设置前向限制- 在文本上触发

[\d\s,.]+

模式匹配，因此你会得到额外的匹配。此外，正则表达式现在还尝试匹配右侧的空格，如果要排除的单词出现在空格之后，这些字符串也将被匹配。此外，依赖单词边界在这里没有帮助，因为回溯可以找到逗号或点之前的数字。

因此，修复正则表达式有两个主要建议：

• 将空格检查模式放在否定前瞻内的黑名单单词之前，这样如果数字和单词之间有空格，检查也可能失败。
• 使用右侧空白边界，

  (?!\S)

  ，而不是单词边界，以便将数字与逗号/点匹配。
• 由于使用了只能触发一次的负前瞻，我们还需要确保前面的模式是“可靠的”，在本例中是匹配数字。这将“锚定”前瞻（即，它不允许回溯到数字匹配模式）。

图案看起来像

cash\s*[:,.-]?\s*(rp|idr)[.,]?\s*(\d(?:[\d\s,.]*\d)?)(?!\S)(?!\s*(?:juta|jt|m)\b)

请参阅 正则表达式演示。

详情：

• cash

  - 字符串

  cash

• \s*

  - 零个或多个空格

• [:,.-]?

  - 可选出现

  :

  、

  ,

  、

  .

  或

  -

• \s*

  - 零个或多个空格

• (rp|idr)

  - 第 1 组：

  rp

  或

  idr

  弦乐

• [.,]?

  - 可选出现

  .

  或

  ,

• \s*

  - 零个或多个空格

• (\d(?:[\d\s,.]*\d)?)

  - 第 2 组：一个数字，然后可选出现零个或多个数字、空格、逗号或点，然后是一个数字

• (?!\S)

  - 右侧不允许有空格

• (?!\s*(?:juta|jt|m)\b)

  - 另外，在右侧，不应有零个或多个空格，后面跟着

  juta

  、

  jt

  或

  m

  单词（它们现在后面有单词边界）。如果要匹配以 juta

  、

  jt

  、

  m

   开头的单词，请删除单词边界。