正则表达式优化：如何根据字符串位置特征调整匹配长度

问题场景 #

• 处理字符串q.0.0.0.1-1111, q.0.0.0.1.tt_0-1111, tes-00000000-1111时，用正则r'(?<=[^-\s]{7})[^-]+(?=-)|(?<=-)[^-\s]+-'能得到预期结果：q.0.0.0-1111, q.0.0.0-1111, tes-1111
• 但处理q.0.00.0.0-1111, q.0.00.0.0.tt_0-1111这类字符串时，得到错误结果q.0.00.-1111, q.0.00.-1111，预期应为q.0.00-1111
• 问题根源在正则的{7}匹配长度，需要根据字符串第4个字符后的数字长度（一位/两位）动态调整匹配长度（7/6）

解决方案 #

使用分支正则分别匹配两种前缀结构，无需提前判断字符数量，直接自适应处理：

替换正则表达式：

(?<=q\.\d\.\d\.\d)[^-]+(?=-)|(?<=q\.\d\.\d{2})[^-]+(?=-)|(?<=-)[^-\s]+-

正则逻辑说明

• 第一个分支 (?<=q\.\d\.\d\.\d)[^-]+(?=-)：匹配以q.数字.数字.数字（7字符长度）开头的前缀，删除该前缀后到-前的所有内容，对应第一个场景的截断需求
• 第二个分支 (?<=q\.\d\.\d{2})[^-]+(?=-)：匹配以q.数字.两位数字（6字符长度）开头的前缀，删除该前缀后到-前的所有内容，解决第二个场景的错误截断问题
• 第三个分支 (?<=-)[^-\s]+-：处理tes-00000000-1111这类结构，删除-后的连续非空非短横线字符及末尾的-，得到tes-1111

验证结果

• q.0.0.0.1-1111 → q.0.0.0-1111
• q.0.00.0.0-1111 → q.0.00-1111
• q.0.0.0.1.tt_0-1111 → q.0.0.0-1111
• q.0.00.0.0.tt_0-1111 → q.0.00-1111
• tes-00000000-1111 → tes-1111

内容的提问来源于stack exchange，提问作者MrOldSir