如何编写正则提取字符串中所有ABA类对称结构的匹配项

问题说明 #

需要匹配中间为单个不同字符、左右两侧为完全相同的同字符序列的子串，支持字符两侧存在其他无关字符、适配所有字符类型。原有正则/(([a-z])\2*)((?!\2)[a-z])\1/g仅能匹配最长的符合条件的子串，无法捕获所有更短的重叠子串，且仅支持小写字母。

可用正则 #

/(?=((.)\2*)(?!\2)(.)\1)/g

若需要支持匹配换行符，可添加s修饰符：

/(?=((.)\2*)((?!\2).)\1)/gs

逻辑说明 #

• 零宽正向预查(?=...)：不会消耗匹配位置，可捕获所有重叠存在的符合要求的子串
• 分组1((.)\2*)：匹配左侧由相同字符组成的任意长度序列，分组2存储左侧的重复基准字符
• (?!\2)(.)：匹配中间单个字符，通过负向预查保证该字符与左侧基准字符不同
• \1：匹配右侧和左侧序列完全一致的部分
• 全局修饰符g：支持匹配全部符合要求的子串
• 通配符.替代原有的[a-z]，适配所有字符类型（字母、数字、符号、中文等）

调用示例（JavaScript） #

由于使用了预查逻辑，匹配结果需要从每个匹配项的第一个捕获组提取：

function matchTargetSubstrings(input) {
    const regex = /(?=((.)\2*)(?!\2)(.)\1)/g;
    const result = [];
    let match;
    while (match = regex.exec(input)) {
        result.push(match[1]);
    }
    return result;
}

// 测试用例
console.log(matchTargetSubstrings('aaabaaa')); 
// 输出：['aba', 'aabaa', 'aaabaaa']
console.log(matchTargetSubstrings('mnonnopoo'));
// 输出：['non', 'opo']
console.log(matchTargetSubstrings('aaaasaaaaa'));
// 输出：['asa', 'aasaa', 'aaasaaa', 'aaaasaaaa']
console.log(matchTargetSubstrings('aaabaazsaaasbbabba'));
// 输出：['aba', 'aabaa', 'bab', 'bbabb']

内容的提问来源于stack exchange，提问作者Sebi