如何使用正则表达式从字符串中捕获指定的多个分组？

原正则问题分析 #

你当前使用的([^.|_|data|gz]+)存在两处核心错误：

• 方括号[]属于字符集匹配规则，仅对单个字符生效，你写入的|、data、gz都会被拆分为独立的单个字符做匹配，完全达不到排除特定字符串的效果
• 仅定义了1个捕获分组，自然只能在单个分组下返回多轮匹配结果，无法直接得到4个独立的目标分组

修正后正则表达式 #

^([^.]+)\.([^_]+)_([^.]+)\.([^.]+)\.txt\.gz$

匹配逻辑说明 #

针对目标字符串John.7200_24.6.txt.gz的匹配规则如下：

• ^锚定字符串起始位置
• 第1个分组([^.]+)：匹配第一个.之前的所有字符，捕获得到John
• \.匹配第一个分隔符.
• 第2个分组([^_]+)：匹配_之前的所有字符，捕获得到7200
• _匹配分隔符_
• 第3个分组([^.]+)：匹配下一个.之前的所有字符，捕获得到24
• \.匹配第二个分隔符.
• 第4个分组([^.]+)：匹配第三个.之前的所有字符，捕获得到6
• 末尾的\.txt\.gz$锚定固定后缀，确保仅匹配符合格式要求的字符串

通用适配版本 #

如果输入字符串后缀不固定为txt.gz，可以使用更通用的写法，只要前半部分的分隔规则不变即可正常捕获：

^([^.]+)\.([^_]+)_([^.]+)\.([^.]+)\..*

内容的提问来源于stack exchange，提问作者Finkelson