Regex:匹配，但不是在评论中

Question

我有一个数据字段文件，其中可能包含注释，如下所示：

id, data, data, data
101 a, b, c
102 d, e, f
103 g, h, i // has to do with 101 a, b, c
104 j, k, l
//105 m, n, o
// 106 p, q, r

正如您在上面的第一个注释中所看到的，有对匹配模式的直接引用。现在，我想捕获103，这是三个数据字段，但我不想捕捉注释中的内容。

我尝试了负面的查找，以排除105和106，但我不能想出一个正则表达式来捕捉两者。

(?<!//)(\b\d+\b),\s(data),\s(data),\s(data)

这将捕获除105之外的所有捕获，但要指定

(?<!//\s*) or (?<!//.*)

当我试图排除带有任何空格或字符的注释时，我的整个regex就无效了。

我有一种感觉，我需要巧妙地使用锚，或者我需要在捕获组中包装我想要的东西，并在我的后面引用它(就像使用$1)。

如果这是另一种“正则表达式不支持递归”的情况，因为它是一种正则语言(一种自动机理论)，请指出这一点。

是否可以使用正则表达式排除103、105和106行的注释？如果是这样的话，是怎么做的？

Answer 1

您可以简单地将正则表达式锚定在行的开头：

(?m)^(\d+),\s(\S+),\s(\S+),\s(\S+)

Answer 2

在我看来，您可以将表达式锚定在行的开头(以获取所有数据)：

^(\d+),\s(data),\s(data),\s(data)\s*(?://|$)

或者您可以使用适当的CSV解析器来处理注释。

Answer 3

我刚才在带有regex的文本编辑器中使用的另一种方法是，当您没有regex的前瞻/后面的特性时，只需使用以下序列：

^[^\r\n/]*(/[^/])?[^\r\n/]*(/[^/])?my_search_sequence

它将忽略由非/字符分裂的/序列最多2条。如果您想要更多，那么只需添加更多：

^[^\r\n/]*(/[^/])?[^\r\n/]*(/[^/])?[^\r\n/]*(/[^/])my_search_sequence

诸若此类。

搜索词在序列后面的概率会随着正则表达式的长度而减小。