正则表达式转换含数字驼峰字符串分隔异常问题求助

问题基础信息 #

• 原使用正则语句：([a-z][a-z\d]+)(?=([A-Z][a-z\d]+))
• 待处理原始字符串：regex2Hard4Me
• 当前实际输出结果：REGEX2_HARD4_ME
• 预期目标输出结果：REGEX_2_HARD_4_ME

问题根因 #

原正则的匹配逻辑存在两个核心缺陷：

1. 规则中[a-z\d]+会将连续的小写字母、数字识别为同一个匹配块，直接把字母和相邻数字绑定，没有拆分「小写字母后接数字」的边界
2. 正向预查仅判断了「当前块后紧跟大写开头的字母数字块」的场景，没有覆盖「数字后接大写字母」的拆分边界，最终导致数字被合并到前序字母块中，没有单独拆分。

调整思路 #

1. 放弃原有整块捕获再替换的逻辑，改用零宽断言匹配需要插入下划线的边界位置，不需要捕获实际字符内容，替换时直接在匹配到的边界插入下划线即可
2. 覆盖所有需要拆分的三类边界：
   • 小写字母后接大写字母的位置
   • 小写字母后接数字的位置
   • 数字后接大写字母的位置
3. 完成下划线插入后，将整个字符串统一转为大写即可得到目标结果

可用实现参考 #

以JavaScript环境为例，可直接运行得到预期结果：

const originStr = 'regex2Hard4Me';
// 全局匹配所有拆分边界，替换为下划线
const underlinedStr = originStr.replace(/(?<=[a-z])(?=[A-Z\d])|(?<=\d)(?=[A-Z])/g, '_');
// 统一转大写
const finalResult = underlinedStr.toUpperCase();
console.log(finalResult); // 输出：REGEX_2_HARD_4_ME

如果使用的编程语言不支持零宽后行断言（比如部分旧版本JS、特殊正则引擎），可以改用捕获组替换的写法，正则调整为([a-z])([A-Z\d])|(\d)([A-Z])，替换为$1$3_$2$4即可，逻辑完全一致。

内容的提问来源于stack exchange，提问作者hknhknhkn