正则表达式能否匹配定长token串中指定token出现指定次数的子串？

该匹配需求完全可以通过支持前瞻断言的现代正则引擎实现，无需额外编写分词、计数逻辑。
针对固定长度token的匹配场景，不需要提前对字符串做分词切割，利用固定字符长度定位token边界、配合零宽断言做计数校验，即可精准命中符合要求的子串，同时支持重叠子串的匹配。

针对给定场景的实现方案 #

基础参数说明 #

本次场景固定参数如下：

• 单token长度d=4
• 首尾边界token间距N=4（即首尾token之间共4个token，匹配子串总长度为6个token共24字符）
• 起始边界token：SbbE
• 结束边界要求：不得为SbtE（注：原测试串中对应排除、统计目标实际为StbE，属于笔误，以下正则以测试用例实际可命中预期结果的StbE为统计/排除目标，若需匹配SbtE直接替换对应字面量即可）
• 区间内目标token（StbE）出现次数要求：k=2到N=4次

可直接使用的正则表达式 #

开启全局匹配模式下，使用以下正则即可命中所有符合要求的子串，捕获组1的内容即为匹配结果：

(?=(SbbE(?=(?:.{4})*?(?:StbE(?:.{4})*?){2,4}(?!.{4}StbE)).{16}(?!StbE).{4}))

正则逻辑拆解 #

• 外层(?=())为零宽正向前瞻结构，匹配时不会消耗字符串字符，可支持重叠子串的捕获，避免漏掉位置靠后的重叠匹配结果
• 开头的SbbE用于锚定符合要求的起始边界token
• 内嵌的前瞻断言(?=(?:.{4})*?(?:StbE(?:.{4})*?){2,4}(?!.{4}StbE))用于计数校验：从起始token之后开始，以4字符为一个token单位遍历，确认区间内StbE的出现次数在2-4次区间内，且不存在更多符合的token
• .{16}用于匹配首尾边界之间的4个token（4字符*4=16字符），严格限定两个边界的间距
• 末尾的(?!StbE).{4}用于匹配结束边界token：先断言接下来4个字符不是被排除的StbE，再匹配这4个字符作为子串的结束边界

匹配结果验证 #

针对测试字符串s = "SbbESbbESbbEStbEStbESbbEStbESttE"，上述正则的捕获结果共2条，和预期完全一致：

1. 第1-6个token构成的子串：SbbESbbESbbEStbEStbESbbE，区间内StbE出现2次，结束token为SbbE符合要求
2. 第3-8个token构成的子串：SbbEStbEStbESbbEStbESttE，区间内StbE出现3次，结束token为SttE符合要求

通用适配规则 #

如果需要调整参数适配其他同类场景，只需按规则替换正则内对应部分即可：

• 调整单token长度d：将正则中匹配单个token的.{4}替换为.{<d值>}
• 调整边界间距N：将匹配中间区间长度的.{16}替换为.{<d值*N值>}
• 调整出现次数区间：将计数部分的{2,4}替换为{<k值>,<N值>}
• 调整起始、结束、待统计token：直接替换正则中对应的字面量字符串即可

内容的提问来源于stack exchange，提问作者Sia