.Net 正则表达式拆分为可选项目和贪婪

Question

这是我试图解析的数据测试样本：

Content1
***
Content2
***
Content3
Content3
***

Content4
***
Content5

***
***
Content6
***
***
***
Content7

简而言之，数据条目在新行上由分隔符字符串分隔。我想获取 Content1、Content2、Content3\r\nContent3、\r\nContent4、Content5\r\n、Content6、Content7。我尝试了一个非常简单的正则表达式 (\r\n)?^\*\*\*$(\r\n)?，它在 RegexBuddy 的 Split with '^$ match at line breaks' 选项和选择的 .Net 风格中为我提供了正确的输出，尽管多个分隔符之间有空字符串，我知道我必须删除手动。但是，下面的 C# 代码：

string regexPattern = string.Format(@"(\r\n)?^{0}$(\r\n)?", Regex.Escape("***"));
var records = Regex.Split(document, regexPattern, RegexOptions.Multiline);

返回整个输入字符串。我哪里错了？

另外，我不明白为什么正则表达式 (\r\n)?\*\*\*(\r\n)?（这并不适合我，因为一个条目可以包含分隔符字符串）返回我 Content1、\r\n、\r\n、Content2、 \r\n 等等。 \r\n 物品不应该被贪婪地抢走吗？ RegexBuddy 使用此正则表达式为我提供正确的输出。

Answer 1

1。 $ 到底在哪里匹配？

主要问题是$ 匹配在\n 字符之前，所以如果\n 之前有任何\r，则需要在模式中指定它。否则，将不返回任何匹配项。你可以在"Content1\r\nContent2\r\nContent3"上测试用"\r$"分割字符串，看看效果。

只是一个示例，显示在哪里被视为行首 ^ 和行尾 $（在 Multiline 选项下）。第一行是原始字符串（新行和回车分别显示为\n和\r），第二行标注了与^和$匹配的零长度字符串的位置。

***\r\nConte\rn\rt3\r\nCo\nntent3
^***\r$\n^Conte\rn\rt3\r$\n^Co$\n^ntent3$

要解决这个问题，我们只需要在$ 之前测试（可选）\r。在下面第 3 节的解决方案中，我测试了可选的\r，因为如果输入文件来自 UNIX 环境，\r 可能不存在。

2。在Regex.Split 的结果中包含捕获的文本：

从 .NET Framework 2.0 开始，Regex.Split 将在分隔符处拆分字符串，并且还将捕获的文本包含在结果数组中。

要解决上述问题，只需将捕获组（捕获文本+分组属性）变成非捕获组(?:pattern)（仅分组属性)。

3。结论

所以解决办法是：

var records = Regex.Split(document, @"(?:\r?\n)?^[*]{3}\r?$\n?", RegexOptions.Multiline);

Demo on ideone

您可以单独处理结果中的空字符串。