为何VBA正则误匹配纯字母单词？如何修正为匹配字母数字混合单词？

背景 #

我希望将仅包含字母和数字，且同时包含字母与数字的单词替换为空格。我使用如下示例中的VBA代码实现。

问题 #

为何正则表达式会匹配不含数字的单词"WhyIsThisWordMatched"？如何修正正则表达式，使其仅匹配同时包含字母和数字，且仅由字母和数字组成的单词？

原代码 #

Public Sub TestMe()
    Dim Rx As Object
    Dim Txt As String

    Set Rx = CreateObject("VBScript.RegExp")
    Rx.Global = True
    Rx.Pattern = "(^|\s)(?=.*[0-9])(?=.*[a-zA-Z])([a-zA-Z0-9]+)($|\s)"
    Txt = "WhyIsThisWordMatched XXX-111"
    Txt = Rx.Replace(Txt, " ")
    Debug.Print "Result: " & Txt
    ' Prints the string "  XXX-111"
End Sub

原因分析 #

原正则的问题在于正向预查没有限定在单个单词范围内：

• (?=.*[0-9]) 和 (?=.*[a-zA-Z]) 是从当前匹配位置（比如字符串开头）开始，检查整个剩余文本是否存在数字和字母，而不是只检查当前要匹配的单词。
• 在示例文本中，字符串后半段的XXX-111包含数字，导致预查条件被满足，进而错误匹配了前面完全由字母组成的WhyIsThisWordMatched。

修正方案 #

调整正则表达式，用**单词边界\b**限定匹配范围，并让预查仅针对当前单词：

修正后的代码 #

Public Sub TestMe()
    Dim Rx As Object
    Dim Txt As String

    Set Rx = CreateObject("VBScript.RegExp")
    Rx.Global = True
    ' 正则解释：
    ' \b：单词边界，确保匹配完整单词
    ' (?=[a-zA-Z0-9]*[0-9])：预查单词内至少包含一个数字
    ' (?=[a-zA-Z0-9]*[a-zA-Z])：预查单词内至少包含一个字母
    ' [a-zA-Z0-9]+：匹配仅由字母数字组成的单词
    Rx.Pattern = "\b(?=[a-zA-Z0-9]*[0-9])(?=[a-zA-Z0-9]*[a-zA-Z])[a-zA-Z0-9]+\b"
    Txt = "WhyIsThisWordMatched XXX-111 Abc123 456Def"
    Txt = Rx.Replace(Txt, " ")
    Debug.Print "Result: " & Txt
    ' 输出：" WhyIsThisWordMatched XXX-111   "
End Sub

正则细节说明 #

• \b：匹配单词边界（比如字母数字和非字母数字的分界，或字符串首尾），确保只匹配完整的单词。
• (?=[a-zA-Z0-9]*[0-9])：正向预查，确保当前单词中存在至少一个数字（[a-zA-Z0-9]*允许数字出现在单词任意位置）。
• (?=[a-zA-Z0-9]*[a-zA-Z])：正向预查，确保当前单词中存在至少一个字母。
• [a-zA-Z0-9]+：匹配仅由字母和数字组成的单词，长度至少为1。

这样修改后，正则只会匹配同时包含字母和数字、且仅由两者组成的单词，不会再误匹配纯字母或纯数字的单词。

内容的提问来源于stack exchange，提问作者GoWiser