如何用PCRE正则匹配所有未被cat前置的dog？

需求说明 #

需要匹配所有未被cat前置的dog1/dog2/dog3，具体规则示例：

• jump dog1 cat - 匹配dog1
• jump cat run dog1 - 不匹配dog1（被cat前置）
• jump dog1 dog2 - 匹配dog1和dog2
• jump dog1 dog2 cat run dog3 - 匹配dog1、dog2，不匹配dog3（被cat前置）

尝试过的正则（未成功） #

1. (?>^.*?\K(?:cat|(dog(1|2|3))))(?(1)|$.^)
   • 问题：无法匹配多个符合条件的dog（比如jump dog1 dog2只能匹配一个）
2. (?>^.*?\K(?:cat|(\bdog(1|2|3))))
   • 问题：通过组1获取结果时未达到预期

解决方案（R语言PCRE） #

方案1：分段提取匹配 #

先提取cat出现之前的所有文本，再在这段文本里匹配目标dog：

library(stringr)
texts <- c(
  "jump dog1 cat",
  "jump cat run dog1",
  "jump dog1 dog2",
  "jump dog1 dog2 cat run dog3"
)

result <- lapply(texts, function(x) {
  # 提取cat之前的内容（如果没有cat就取全部文本）
  prefix <- str_extract(x, "^.*?(?=\\s+cat|$)")
  # 匹配所有符合格式的dog
  str_extract_all(prefix, "\\bdog(1|2|3)\\b")[[1]]
})

print(result)

输出结果：

[[1]]
[1] "dog1"

[[2]]
character(0)

[[3]]
[1] "dog1" "dog2"

[[4]]
[1] "dog1" "dog2"

方案2：纯正则全局匹配 #

利用PCRE的(*SKIP)(*FAIL)机制，直接跳过cat及之后的所有内容，只保留前面的目标dog：

library(stringr)
pattern <- "\\bcat\\b.*(*SKIP)(*FAIL)|\\bdog(1|2|3)\\b"
result <- str_extract_all(texts, pattern)

print(result)

正则逻辑：

• \\bcat\\b.*(*SKIP)(*FAIL)：匹配cat及之后的所有内容，标记为匹配失败并跳过这部分
• \\bdog(1|2|3)\\b：仅匹配不在cat之后的目标dog

输出结果与方案1完全一致，符合需求。

内容的提问来源于stack exchange，提问作者Fabio Correa