使用正则表达式匹配双换行符

Posted 2023-02-23

技术标签:

【中文标题】使用正则表达式匹配双换行符【英文标题】：Matching double line breaks using Regex 【发布时间】：2012-10-15 10:54:23 【问题描述】：

我正在编写一个正则表达式，它将从 EDIFACT UN 代码列表中提取各种信息。由于有数以万计的代码，我不想全部输入，所以我决定使用正则表达式来解析文本文件并提取出我需要的位。文本文件的结构使我可以轻松识别所需的位。

我使用Regex Hero 创建了以下正则表达式来测试它，但我无法让它匹配所有内容，直到 codeComment 组的双换行符。我试过使用字符类 [^\n\n] 但这仍然不匹配双换行符。

注意：我在 Regex Hero 上选择了多行选项。

(?<element>\d+)\s\s(?<elementName>.*)\[[B|C|I]\]\s+Desc: (?<desc>[^\n]*\s*[^\n]*)
^\s*Repr: (?<type>a(?:n)?)..(?<length>\d+)
^\s*(?<code>\d+)\s*(?<codeName>[^\n]*)
^\s14(?<codeComment>[^\n]*)

这是我用来匹配的示例文本。

----------------------------------- ----------------------

1073 文档行动作代码[B]

Desc: 指示与 a 行相关联的操作的代码文档。

Repr: an..3

1 包含在文件/交易中文档行包含在文件/交易。也应该捕捉到这一点。

2 从文档/交易中排除文档行被排除在文件/交易。

我想要的是 codeComment 包含以下内容：

The document line is included in the
          document/transaction.
          should capture this as well.

但它只是提取第一行：

The document line is included in the

【问题讨论】：

【参考方案1】：

在一个字符类中，每个字符都算一次，无论您多久编写一次。所以一个字符类不能用于检查连续的换行符。但是您可以使用前瞻断言：

^\s14(?<codeComment>(?s)(?:(?!\n\n).)*)

(?s) 开启单行模式（以允许点匹配换行符）。

(?!\n\n) 断言当前位置没有两个连续的换行符。

【讨论】：

您的答案是正确的，但我无法让修改后的正则表达式获取“2 从文档/交易中排除该文档行已从文档/交易中排除”。线条也是如此。 @MikeClarke：但是那些是在双换行符之后出现的，所以我认为你不想接他们？如果你这样做，是正确的分隔符是什么？就像我说的，您的答案正确地拾取了代码 1 的所有注释行，但我还需要它来拾取其他代码块。修改后的正则表达式仅在代码 1 处停止，并且不会继续获取更多代码。好的，但是如果它不应该在双换行符处停止（这是你在问题中写的），那么它应该在哪里停止？你误会我了。修改后的正则表达式现在正确地拾取注释的所有行，但仅适用于代码 1。由于某种原因，整个正则表达式没有正确地继续拾取代码 2，它是 cmets 等。我认为这是因为代码 1 遵循 'Repr: ' 并且代码 2 遵循代码 1 等，所以我可能需要更改正则表达式以允许这样做。【参考方案2】：

试试