从制表符分隔字符串中提取buba:后含管道符|子串的正则求助

原有正则失效核心原因 #

• 边界定义模糊：原正则buba:(\w(.)*(-os)?)\\t未将匹配范围锚定到「buba: 起始位置到紧邻的下一个制表符之前」的区间，贪婪匹配逻辑会越界抓取后续制表符分隔的adT、ad等无关内容
• 规则适配性差：原正则将-os作为整段匹配内容的固定结尾可选后缀，未覆盖竖线分隔的多片段结构，遇到String1这类带多段|分隔的内容时会匹配不全
• 转义逻辑错误：双重转义\\t在实际匹配场景中会识别为「反斜杠+t」的普通字符，而非真正的制表符分隔符，导致匹配触发条件完全失效

最终通用正则（兼容JS/Python/Java等绝大多数主流正则引擎） #

buba:([^\t]*?)(?=\t)

匹配逻辑说明 #

• 用[^\t]*?非贪婪匹配所有「非制表符」的字符，避免无边界的贪婪越界
• 用正向预查(?=\t)锚定匹配终点为下一个制表符的位置，从根源上杜绝抓取后续无关内容
• 匹配完成后只需对捕获组内容做一次全局替换：将所有出现的-os字符串替换为空，即可得到目标提取结果

实测校验结果 #

• 输入String1原始字符串时，第一步捕获到的初始内容为pub|rub|spo-os|ix|beach|app|one|op|sono，剔除-os后最终输出为pub|rub|spo|ix|beach|app|one|op|sono，与预期完全一致
• 输入String2原始字符串时，第一步捕获到的初始内容为pub，无需要替换的-os片段，最终输出为pub，与预期完全一致

若需单正则一次性提取、无需后续二次替换，可使用优化后的版本：

buba:((?:[^\t|-]*-os|[^\t|-]*)(?:\|(?:[^\t|-]*-os|[^\t|-]*))*)(?=\t)

该正则在匹配阶段就会自动跳过片段中附带的-os后缀，直接输出目标结果。

内容的提问来源于stack exchange，提问作者Manish Saraf Bhardwaj