查找与复杂模式匹配的所有子字符串

Question

让

alpha

从集合

1, 2, 3, 4, 5, 6

中随机采样元素的字符串。例如，

alpha

可以是

"1132345216"

。

假设

alpha

足够长以包含至少四个满足以下条件的子字符串：

• 子字符串以长度为

  N

  的序列开头，其中包含

  2

  、

  3

  和/或

  4

  ，顺序任意，可能重复或缺失。例如，子字符串可能以

  2222...

  或

  234234234...

  开头。
• 子字符串以以下两种模式之一结尾：一个

  6

  或多个

  M

  个字符

  5

  。

例如，

"2346"

和

"23455"

将满足属性，如果

N = 3

，

M = 2

。

我想在 Julia 的

alpha

中找到所有此类子字符串。当然，人们会想到正则表达式。我从形式语言理论的角度对正则表达式有些了解，但我从未在编程语言中使用过它们，并且存在差异。我没能达到想要的结果。

为任何想尝试此操作的人提供快速示例代码：

pattern_string = r"..." # What's the right regex???

# Test string to search for matches
test_string = "1111122211111 2323232234233246 5161532161 232342342322224444223323555555"

# Find all matches in the test string
matches = eachmatch(pattern_str, test_string)
# Output the matches found
println("Matches found:")
for match in matches
    println(match.match)
end

在示例中，我添加了空格以提高视觉清晰度；第一个子字符串（第一个空格之前）不应该是匹配项，第二个子字符串应该是小

N

；第三个不应该是匹配项，如果

M

小于

6

，则最后一个应该是匹配项。

Answer 1

假设您定义了

n

和

m

变量，您可以使用插值字符串创建正则表达式：

n=10
m=4

pattern_string = Regex("[234]{$n}[1-6]*?(?:6|5{$(m+1),})")

对于示例数据，给出的模式字符串为

[234]{10}[1-6]*?(?:6|5{6,})

此匹配：

• [234]{10}

  ：10 个

  2

  、

  3

  、

  4

  ，任意顺序

• [1-6]*?

  ：最少数量的

  1-6

• (?:6|5{6,})

  ：一个

  6

  ，或者 6 个或更多

  5

对于您的示例数据，这与

2323232234233246

和

232342342322224444223323555555

匹配。

regex101 上的正则表达式演示

Julia 演示

在线试用！

如果我误解了你的问题，并且子字符串不允许包含

1

、或 

5

 或 

6

（除了最后），你可以将正则表达式更改为：

pattern_string = Regex("[234]{$n,}(?:6|5{$(m+1),})") 这只会匹配一系列

n

 或更多 

2

、

3

 或 

4

，后跟 

6

 或 

m+1

 或更多 

5

。

对于您的示例数据，这与相同的子字符串匹配。

Julia 演示

在线试用！