正则表达式可选组和可选子组

Question

我有一组命名相当不一致的字符串，但它们的结构应该足以分为几组。

这是摘录：

test test 1970-2020 w15.txt
test 1970-2020 w15.csv
test  1990-99 q1 .txt
test 1981 w15 .csv
test test  w15.csv

我正在尝试使用以下正则表达式按组（测试名称、（年份）？、后缀、类型）提取信息：

(.*)\s+([0-9]+(\-[0-9]+)?\s+)?((w|q)[0-9]+(\s+)?)(\..*)$

除了与年份匹配的可选组（年份间隔、单个年份或根本没有年份）之外，它都有效。为了使该模式发挥作用，我缺少什么？

这里还有一个用于测试的 RegEx101 链接：

Answer 1

您可以使模式更具体一些，并将当年的内容设为可选

^(.*?)\s+((?:\d{4}(?:-(?:\d{4}|\d{2}))?)?)\s+([wq][0-9]+)\s*(\.\w+)$

解释

^字符串的开头
(.*?)捕获组 1匹配 0+ 次任何字符（换行符除外）非贪婪
\s+匹配 1 个以上空白字符
(捕获组2
- (?:非捕获组
  - \d{4}(?:-(?:\d{4}|\d{2}))?匹配 4 位数字以及可选的-2 或 4 位数字
- )?关闭非捕获组并将年份设为可选
)关闭第 2 组
\s+匹配 1 个以上空白字符
([wq][0-9]+)捕获组 3匹配w或q以及 1+ 数字 0-9
\s*匹配 0+ 空白字符
(\.\w+)捕获第4组，匹配一个点和1个以上单词字符
$字符串结尾

请注意，\s也可以匹配换行符。