一个多行、多变贪婪的正则表达式答案

【问题标题】：A multi-line, variedly greedy, regular expression一个多行、多变贪婪的正则表达式
【发布时间】：2014-11-21 22:19:32
【问题描述】：

鉴于以下文本，您会使用什么 PCRE 正则表达式来提取粗体标记的部分？

00:20314 lorem ipsum 想要这个氪石 00:02314 qux 填充不想要这个 00:03124 富这也不是 00:01324 富但我们想要这个石笋 00:02134 特拉拉拉不是这个 00:03124 bar foo 我们想要这个氪石 但不是这个（！） 00:02134 富吧而不是这个 00:01234 dolor sit amet EOF

IOW，我们想要提取以正则表达式开头以“^0”开头并以“(kryptonite|stalagmite)”结尾的部分。

一直在咀嚼这个，发现它很难破解。蒂亚！

【问题讨论】：

有几种方法可以做到这一点。分隔符可以在正文中吗？
唯一的分隔符不需要正文中的其他^0。

标签： regex pcre regex-greedy

【解决方案1】：

一种方法是 Negative Lookahead 与内联 (?sm) dotall and multi-line modifiers 结合使用。

(?sm)^0(?:(?!^0).)*?(?:kryptonite|stalagmite)

Live Demo

【讨论】：

【解决方案2】：

这看起来有效。

 # (?ms)^0(?:(?!(?:^0|kryptonite|stalagmite)).)*(kryptonite|stalagmite)

 (?ms)
 ^ 0
 (?:
      (?!
           (?: ^ 0 | kryptonite | stalagmite )
      )
      . 
 )*
 ( kryptonite | stalagmite )

【讨论】：

相同的概念，但您也包括关键字。不错 =)
关键字可能不需要。你的更好。
不过，想法相同 =) (+1)
这是唯一的方法。

【解决方案3】：

我相信这将是最有效的：

^0(?:\R(?!\R)|.)*?\b(?:kryptonite|stalagmite)\b

Demo

显然，我们以^0 开头，然后以\b word boundaries 包围的kryptonite 或stalagmite（在一个非捕获组中）结束。

(?:\R(?!\R)|.)*? 是有趣的部分，所以让我们分解一下。第一个关键概念是 PCRE 的\R newline sequence。

(?:      (?# start non-capturing group for repetition)
  \R     (?# match a newline character)
  (?!\R) (?# not followed by another newline)
 |       (?# OR)
  .      (?# match any character, except newline)
)*?      (?# lazily repeat this group)

【讨论】：

你需要在你的表达式中添加$
@HamZa，我不这么认为：00:03124 bar foo and we want this kryptonite but not this(!)

【解决方案4】：

^(00:.*?(kryptonite|stalagmite)) 带 s 修饰符

【讨论】：

根本不符合预期的输出