.NET4.5
input = "abc123def$456ghi" (注 文字列、数字列ともランダムとします)
において、先頭に$がない数字列を検出したく(123だけを検出したい)
pattern = "(?\<!\$)\d+"
で行うと、"123" , "56" となってしまいます。
どなたか、解法がわかるかた教えてください。
また、正規表現だけでは無理だという回答でもいただけるとありがたいです。
質問文に「否定後読み」とありそれについてはpgrhoさんおよびunaristさんが答えられていますが、別解を。
.NET Frameworkの正規表現がPerl、Python、Emacs、Tcl、JavaScriptなどと同じ従来型NFAエンジンであることを利用して
var input = "abc123def$456ghi";
var pattern = @"\$\d*|(\d+)";
foreach(Match m in Regex.Matches(input, pattern)){
if(m.Groups[1].Success)
Console.WriteLine(m.Groups[1].Value);
}
で"123"
を得ることができます。
従来型NFAエンジンでは一致する限り取り込まれるので、\$\d*
で'$'
及びそれに続く数値を取り込みます。望ましくない"$456"
はここでマッチし次に流れることはありません。そうでない場合に限り(\d+)
にマッチしますので、これをグループでキャプチャします。
ただし前半にマッチした場合でも全体ではm.Success
となっていますので、m.Groups[1].Success
のみに絞り込みます。
正規表現エンジン自体の特性を理解していると、.NET Framework以外にも応用が効きます。例えばJavaScriptの場合、後読みはありませんが私の挙げたパターンであれば表現できます。
「否定後読み」を使ったpgrhoさんおよびunaristさんのアプローチについても。
var pattern = @"\d+(?<!\$\d+)";
でもできます。こちらはまず数値、"123"
と"456"
との両方がマッチさせます。その上で\$\d+
の否定後読みで'$'
が先行している"$456"
については除外し、結果的に"123"
だけがマッチします。
このパターンは正規表現の内容が人間にも読み易いものになっているかなと思います。(1文字ずつ否定後読みの確認をせずに済むため、たぶんパフォーマンス的にもいいはずです。)
var pattern = @"(?<=[^$\d])\d+";
のように肯定後読みで$
もしくは数字ではない文字を探せばいいのではないでしょうか。ただこれでは文字列先頭の数字が含まれませんので、
var pattern = @"(^|(?<=[^$\d]))\d+";
と^
も追加する必要があります。
(?<=[^\d$])\d+