用于解析重复组的正则表达式

Posted 2023-04-13

【中文标题】用于解析重复组的正则表达式

【英文标题】：RegEx for parsing repeated groups

【发布时间】：2019-10-18 10:30:57

【问题描述】：

源字符串包含这样的标签：

>>>tagA
contents 1
<<<tagA
...
>>>tagB
contents 2
<<<tagB
...

我需要提取其中的标签名称和内容。这就是我所拥有的，但仍然无法正常工作：

(?<=(>>>(?<tagName>.+)$))(?<contents2>.*?)(?=(<<<.+)$)

results 匹配了两个匹配项，但第二个匹配项中的 tagName 捕获了多行：

tagA 
contents 1 
<<<tagA

我做错了什么？

【问题讨论】：

如果您（似乎）只关心捕获的命名组，为什么还要使用后视/前瞻零长度断言？我是否可能遗漏了您的用例？为什么不“简单地”>>>(?<tagName>[^\n\r]+)[\n\r]+(?<contents>.*?)<<<（需要单行匹配选项）;-)

我明白一件事：RegEx 在你完全学会之前真的很痛苦 :)

【参考方案1】：

你可以使用

>>>(?<tagName>.+?)[\r\n]+(?s:(?<contents>.*?))<<<

见regex demo

详情

>>> - >>> 子字符串 (?<tagName>.+?) - 组“tagName”：尽可能少的任何 1+ 个字符 [\r\n]+ - 一个或多个 CR 或 LF 符号 (?s:(?<contents>.*?)) - 组“内容”：匹配任何 0+ 字符的内联修饰符组，但尽可能少 <<< - <<< 子字符串。

在 C# 中：

var matches = Regex.Matches(s, @">>>(?<tagName>.+?)[\r\n]+(?s:(?<contents>.*?))<<<");

见C# demo：

var s = ">>>tagA\ncontents 1\n<<<tagA\n...\n>>>tagB\ncontents 2\n<<<tagB\n...";
var matches = Regex.Matches(s, @">>>(?<tagName>.+?)[\r\n]+(?s:(?<contents>.*?))<<<");
foreach (Match m in matches) 
    Console.WriteLine(m.Groups["tagName"].Value);
    Console.WriteLine(m.Groups["contents"].Value);

输出：

tagA
contents 1

tagB
contents 2

【参考方案2】：

在这里，我们可能会从一个以>>> 和<<< 为界的简单表达式开始，可能类似于：

>>>(.+)\s*(.+)\s*<<<.+

我们在这两个捕获组中拥有我们想要的数据：

(.+)

我们将编写剩下的问题。

Demo

测试

using System;
using System.Text.RegularExpressions;

public class Example

    public static void Main()
    
        string pattern = @">>>(.+)\s*(.+)\s*<<<.+";
        string input = @">>>tagA
            contents 1
            <<<tagA

            >>>tagB
            contents 2
            <<<tagB

            >>>tagC

            contents 2

<<<tagC
";
        RegexOptions options = RegexOptions.Multiline;
        
        foreach (Match m in Regex.Matches(input, pattern, options))
        
            Console.WriteLine("'0' found at index 1.", m.Value, m.Index);
        
    

正则表达式电路

jex.im 可视化正则表达式：