在Julia中查找匹配复杂模式的所有子串

需求说明 #

需要匹配字符串中满足以下条件的所有子串：

• 子串以至少N个连续的2、3、4组成的序列开头（顺序任意、可重复）
• 子串以以下两种模式之一结尾：
  1. 单个字符6
  2. 至少M个连续的5（若需求是“超过M个”，则改为至少M+1个）

正则表达式构造 #

根据需求，可通过插值构造动态正则表达式（Julia支持在正则中插入变量）：

完整代码示例 #

# 定义规则参数
N = 3  # 开头的2/3/4序列最小长度
M = 2  # 连续5的最小数量（若需求是"超过M个"，后续替换为M+1即可）

# 构造正则表达式：匹配从非2/3/4字符后开始的符合条件的子串
# 若需要允许从连续2/3/4中间开始匹配，去掉 (?<![234]) 即可
pattern = Regex("(?<![234])([234]{$N,})(6|5{$M,})")

# 测试字符串（空格仅为视觉区分，实际匹配不受空格影响）
test_string = "1111122211111 2323232234233246 5161532161 232342342322224444223323555555"

# 查找所有匹配结果
matches = eachmatch(pattern, test_string)

# 输出匹配内容
println("Matches found:")
for match in matches
    println(match.match)
end

正则各部分解释 #

• (?<![234])：负向后行断言，确保匹配的子串前不是2、3、4，避免从一段连续的2/3/4序列中间开始匹配（比如避免把2342346拆成多个重叠匹配）
• ([234]{$N,})：匹配至少N个连续的2、3、4，满足开头长度要求
• (6|5{$M,})：匹配结尾的单个6，或至少M个连续的5；若需求是“超过M个连续5”，则改为5{$(M+1),}

测试结果 #

当N=3、M=2时，代码会输出：

2323232234233246
232342342322224444223323555555

完全符合测试案例预期：第一个和第三个子串不匹配，第二个和第四个子串匹配。

内容的提问来源于stack exchange，提问作者lafinur