正则表达式匹配求助：含德语特殊字符的字符串提取问题

需求说明 #

给定目标字符串：[Example] öäüß asdf 1234 (1aö) (not necessary),
各部分提取规则：

• [Example] 为可选前缀，无需提取
• öäüß asdf 1234 为需提取的核心内容，支持字符、数字、特殊字符及äÄöÖüÜß等德语字符
• (1aö) 为可选内容，需要提取
• (not necessary) 为可选内容，无需提取，形式包含(not ...)或(unusual)
• , 为可选后缀，无需提取

当前使用正则 #

/(?:\[.*\]\s)?(?<name>.*?)(?:\s\([not|unusual].*?\))?\,/g

遇到的问题 #

1. 给逗号添加可选参数?后，整个字符串会被拆分为单个字符
2. 将name分组的非贪婪匹配改为贪婪匹配后，可选逗号被分离，但以ö开头的字符串会被匹配至末尾
3. 第一个括号()内的字符串可能大小写开头，但当前正则仅能识别大写开头的情况

解决建议 #

调整后的正则表达式 #

/(?:\[.*?\]\s)?(?<core>.+?)(?:\s\((?!(?i)not|unusual)[^)]+\))?(?:\s\((?i)(?:not|unusual).*?\))?,?/g

关键优化点 #

• 解决逗号可选拆分问题：直接将逗号标记为可选?，同时通过先行否定限定核心内容的匹配边界，避免非贪婪匹配过度拆分字符
• 精准匹配核心内容：用.+?非贪婪匹配核心内容，通过(?!(?i)not|unusual)先行排除不需要保留的括号前缀，确保核心内容不会吞掉需要提取的括号部分
• 兼容大小写：通过(?i)修饰符让关键词not/unusual不区分大小写，同时保留对括号内其他内容的匹配灵活性
• 避免过度匹配：用[^)]+匹配括号内内容，确保仅匹配到括号闭合位置，防止跨括号吞入内容

逻辑拆解 #

1. (?:\[.*?\]\s)?：非捕获匹配可选的[xxx] 前缀，非贪婪模式避免误吞后续内容
2. (?<core>.+?)：捕获核心内容，非贪婪匹配直到遇到需要保留/忽略的括号或字符串结尾
3. (?:\s\((?!(?i)not|unusual)[^)]+\))?：非捕获匹配需要保留的括号内容，先行否定排除not/unusual开头的括号
4. (?:\s\((?i)(?:not|unusual).*?\))?：非捕获匹配需要忽略的括号内容，不纳入提取结果
5. ,?：匹配可选的结尾逗号，不纳入提取结果

内容的提问来源于stack exchange，提问作者GePu