优化正则表达式以精准匹配巴西葡萄牙语立法引用

问题概述 #

需要匹配巴西葡萄牙语的立法引用，有效格式包括：

• Lei 11.738/2008
• Lei nº 9.394/96
• Lei Estadual nº 6.834
• Lei 5.539/2009
• Decreto 30.825/2002
• Lei 1614 de 21 de janeiro de 1990
• art. 1.039 do CPC/2015
• lei nº. 1.060/50
• art.334, § 5º do CPC
• artigo 85, §11º, do CPC

现有正则存在以下问题：

• 捕获无效内容（如lei nº.、lei.、CPC.）
• 误捕引用末尾的句号（如LEI FEDERAL Nº 11.738/2008.）
• 无法匹配部分有效格式

优化后的正则表达式 #

(?<LEGISLACAO>(?:art(?:\.|igos?)\s*[\d\.º]+(?:,\s*(?:caput|§)\s*[\dº]*)*\s*d[oa]\s+)*?(?:(?:lei(?:\s+(?:estadual|nacional|federal))?|decreto|N?CPC)\s*(?:n[º\.])?\s*[\d\.\/º]+)(?:\s*de\s*\d{1,2}\s*de\s*(?:janeiro|fevereiro|março|abril|maio|junho|julho|agosto|setembro|outubro|novembro|dezembro)\s*de\s*\d{2,4})?)(?=\s|$|\.|\,|\;|\:)

关键改进点 #

1. 避免无效内容捕获 #

• 将可选的编号前缀规则改为(?:n[º\.])?，确保只有完整的前缀（如nº、n.、nº.）才会被匹配，且后面必须紧跟有效编号，不会单独捕获lei nº.这类无编号的无效内容。
• 通过整体结构约束，确保编号部分[\d\.\/º]+至少包含一个数字，避免匹配lei.或CPC.这类空引用。

2. 防止误捕末尾标点 #

• 添加正向预查(?=\s|$|\.|\,|\;|\:)，确保匹配结束位置是空白、字符串结尾或常见标点符号，但不会把标点包含在匹配结果中，解决误捕末尾句号的问题。

3. 支持更多有效格式 #

• 在条款（art）部分：
  • 允许art.和数字之间无空格（如art.334），将固定空格\s改为可选空格\s*。
  • 支持多章节引用（如, §11º），调整为(?:,\s*(?:caput|§)\s*[\dº]*)*，允许重复的章节项，兼容仅caput无编号的场景。
  • 允许do前有逗号（如artigo 85, §11º, do CPC），调整结构适配此类格式。
• 支持nº.这类前缀变体（如lei nº. 1.060/50），通过(?:n[º\.])?覆盖所有合法前缀形式。

测试覆盖效果 #

• 有效匹配：所有示例格式，包括之前无法匹配的lei nº. 1.060/50、art.334, § 5º do CPC、artigo 85, §11º, do CPC。
• 拒绝无效：lei nº.、lei.、CPC.不会被捕获。
• 排除末尾标点：LEI FEDERAL Nº 11.738/2008.仅匹配到LEI FEDERAL Nº 11.738/2008。

内容的提问来源于stack exchange，提问作者celsowm