本文介绍一种高效正则方案，用于从形如 {1}{G}{G}{U}{U}{W} 的字符串中，仅提取并去重指定字符集（如 GUW），自动跳过数字、非目标字母及所有括号，最终输出连续无分隔符的目标字符串（如 GUW）。
本文介绍一种高效正则方案，用于从形如 `{1}{g}{g}{u}{u}{w}` 的字符串中，仅提取并去重指定字符集（如 `guw`），自动跳过数字、非目标字母及所有括号，最终输出连续无分隔符的目标字符串（如 `guw`）。
要实现「按指定字符集过滤 + 去除重复 + 去除括号与数字」这一复合需求，关键在于不依赖全局匹配与后瞻断言的复杂逻辑，而采用更稳健的「匹配-捕获-替换」策略。推荐正则表达式如下：
(\{([GUW])})\1*|.
✅ 表达式解析
-
(\{([GUW])})：捕获组1 包含整个{X}结构，其中捕获组2 仅提取内部目标字符（如G、U或W）； -
\1*：可选地重复匹配相同结构（如{G}{G}中第二个{G}被归入同一匹配单元），实现相邻重复自动合并； -
|.：竖线后的.匹配所有未被前面规则捕获的单个字符（包括{1}中的{、1、}，以及其他无关符号），确保它们被统一替换掉； - 替换为
'$2'：仅保留捕获组2 的内容（即目标字符本身），其余全部丢弃。
? 使用示例（PHP）
$re = '/(\{([GUW])})\1*|./';
$str = '{1}{G}{G}{U}{U}{W}';
$result = preg_replace($re, '$2', $str);
echo $result; // 输出：GUW
⚠️ 注意事项
- 此正则依赖字符顺序和相邻重复：
{G}{U}{G}将输出GUG（非完全去重），因G不连续；若需全局去重（仅保留首次出现），需额外处理（如配合array_unique或使用(? 等进阶逻辑）； - 字符集
[GUW]可自由定制，例如改为[ACGT]即可适配DNA序列清洗； - 在 JavaScript 中需注意
g标志必须启用，且替换语法为str.replace(/(\{([GUW])})\1*|./g, '$2')； - 避免使用
.*?或(?=...)等低效回溯结构——本方案为线性扫描，性能更优。
该方法兼顾可读性、可维护性与执行效率，是处理带格式标记的目标字符抽取任务的理想实践。
