有没有办法缩短这个正则表达式？

Question

我想在格式字符串相匹配A0123456,E0123456或者IN:A0123456Q等我最初用这种正则表达式

^(IN:)?[AE][0-9]{7}Q?$

但它IN:E012346没有Q在最后匹配.所以我创建了这个正则表达式

(^IN:[AE][0-9]{7}Q$)|(^[AE][0-9]{7}$)

有没有办法缩短这个正则表达式,以便它需要两者IN:,Q如果它们存在,但如果两者都不存在则不需要？

编辑:正则表达式将在Ruby中使用.

编辑2:我改变了正则表达式,以反映我匹配错误的字符串,因为它仍然匹配IN:A0123456.

编辑3:下面的两个答案都是有效的,但由于我正在使用Ruby 2.0并且更喜欢正则表达式,我可以使用以防我改变我的应用程序并且不想使用子表达式调用的Ruby风格,我选择接受它matt的答案.

Answer 1

第二个正则表达式有问题:

^(IN:[AE][0-9]{7}Q)|([AE][0-9]{7})$

将|具有比串联的优先级低,所以正则表达式会被解析为:

^(IN:[AE][0-9]{7}Q)        # Starts with (IN:[AE][0-9]{7}Q)
|                          # OR
([AE][0-9]{7})$            # Ends with ([AE][0-9]{7})

要解决此问题,只需使用非捕获组:

^(?:(IN:[AE][0-9]{7}Q)|([AE][0-9]{7}))$

它确保输入字符串匹配任一格式,而不仅仅是以某种格式开始或结束(这显然是不正确的).

关于缩短正则表达式,则可以替换[0-9]使用\d,如果你想,但它是好的,因为它是.

~~我认为在Ruby的默认支持级别内没有任何其他方法可以缩短正则表达式.~~

只是为了您的信息,在Perl/PCRE中,您可以通过子程序调用缩短它:

^(?:([AE][0-9]{7})|(IN:(?1)Q))$

(?1)指第一捕获组定义的模式,即[AE][0-9]{7}.正则表达式实际上是相同的,只是看起来更短.这个带有输入的演示IN:E0123463Q显示了第2组捕获的整个文本(并且没有为第1组捕获的文本).

在Ruby中,存在类似的概念 子表达式调用,语法略有不同.Ruby使用\g<name>或\g<number>引用我们想要重用其模式的捕获组:

^(?:([AE][0-9]{7})|(IN:\g<1>Q))$

在这里rubular测试用例红宝石1.9.7下,对于输入IN:E0123463Q,返回E0123463作为匹配组1和IN:E0123463Q作为匹配组2.

Ruby的(1.9.7)实现似乎记录了组1的捕获文本,即使组1没有直接参与匹配.在PCRE中,子程序调用不捕获文本.

还有条件正则表达式,允许您检查某个捕获组是否匹配.您可以查看matt的答案以获取更多信息.

Answer 2

如果您使用的是 Ruby 2.0，则可以使用if-then-else 条件匹配（Ruby 文档中未记录，但确实存在）：

/^(IN:)?[AE][0-9]{7}(?(1)Q|)$/

条件部分(?(1)Q|)表示如果组号 1 匹配，则匹配Q，否则不匹配。由于组号 1 是(IN:)，这实现了您想要的。