如何用正则表达式提取两个下划线之前的合法大写/数字文本

最终正则表达式 #

_+([A-Z0-9](?:_[A-Z0-9]|[A-Z0-9])*)(?=__|\s|$)

正则说明 #

• _+：匹配一个或多个前置下划线，覆盖示例中单个或多个下划线开头的情况
• ([A-Z0-9](?:_[A-Z0-9]|[A-Z0-9])*)：核心捕获组，确保：
  • 以大写字母或数字开头
  • 后续只能是大写字母/数字，或者单个下划线加大写字母/数字，从根源避免连续下划线
  • 可匹配任意长度的合法序列
• (?=__|\s|$)：正向预查，指定捕获终止的触发条件——遇到连续下划线、空格或字符串结尾时停止捕获

示例验证 #

将正则应用到你的示例中，结果完全符合预期：

1. test_TEST_TEST_1_TEST_13DAHA bfd → 捕获 TEST_TEST_1_TEST_13DAHA
2. test_TEST_TEST_1_TEST__13DAHA bfd → 捕获 TEST_TEST_1_TEST
3. test__TEST_TEST → 捕获 TEST_TEST
4. test_TEST__DHJF → 捕获 TEST
5. test_TEST__Ddsa → 捕获 TEST
6. test__TEST → 捕获 TEST

补充说明 #

如果你的场景中，合法文本可能出现在字符串开头（无前置下划线），可以调整正则为：

(?:^|_+)([A-Z0-9](?:_[A-Z0-9]|[A-Z0-9])*)(?=__|\s|$)

这样可以匹配字符串开头的合法序列，同时保留原有场景的适配性。

内容的提问来源于stack exchange，提问作者GuillaumeA