如何使用正则表达式捕获多行重复组答案

【问题标题】：How to capture multiline repeated groups using regular expression如何使用正则表达式捕获多行重复组
【发布时间】：2021-08-06 05:01:13
【问题描述】：

我一直在尝试在 Kotlin 应用程序中编写一个正则表达式，我可以使用它来解析由时间戳前缀分隔的多行日记条目，如下所示：

28-03-2020 23:00:00 - This
is
line
1

28-03-2021 14:23:15 - This
is
line
2

每个重复组应捕获时间戳 (1) 以及在行首或文本结尾处的下一个时间戳模式 (2) 之前出现的所有文本。

因此，在上面的示例中，我希望得到以下输出：

第 1 场比赛

第 1 组：28-03-2020 23:00:00

第 2 组：This\nis\nline\n1\n

第 2 场比赛

第 1 组：28-03-2020 14:23:15

第 2 组：This\nis\nline\n2\n

到目前为止，我已经设法想出了一个可以捕获第一个匹配项的正则表达式：

^(\d{2}-\d{2}-\d{4} \d{2}:\d{2}:\d{2}) -([\s\S]*?)(?=^\d{2}.*?)

但是，到目前为止，我一直未能成功捕获重复组。有人可以帮忙吗？

我已经设置了这个regex101 session 来测试它。

【问题讨论】：

你试过 findAll 吗？ kotlinlang.org/api/latest/jvm/stdlib/kotlin.text/-regex/…
如果您需要更多帮助，请分享您的 Kotlin 代码：重复分组是什么意思？此外，您的正则表达式至少应该看起来像 ^(\d{2}-\d{2}-\d{4} \d{2}:\d{2}:\d{2}) -([\s\S]*?)(?=^\d{2}|\z)。
我已经接受了第四只鸟的回答，因为它给了我完成Kotlin solution所需的一切。

标签： java regex kotlin

【解决方案1】：

如果你想匹配：

每个重复组应捕获时间戳和所有文本直到下一个时间戳模式开始时才会发生行或文本的结尾。

您可以捕获组 1 中字符串开头的时间戳。

无需在行首设置换行符或数字等结束边界，使用第 2 组中的负前瞻来捕获所有不以类似时间戳的模式开头的行。

^(\d{2}-\d{2}-\d{4}\h+\d{2}:\d{2}:\d{2})\h+-\h*(.*(?:\R(?!\d{2}-\d{2}-\d{4}\h+\d{2}:\d{2}:\d).*)*)

^ 字符串开始
(\d{2}-\d{2}-\d{4}\h+\d{2}:\d{2}:\d{2}) 捕获group 1，匹配日期时间模式
\h+-\h* 匹配 - 前面有 1+ 个水平空白字符，后面是可选字符
( 捕获第 2 组
- .*整行匹配
- (?:非捕获组
  - \R 匹配换行符
  - (?!\d{2}-\d{2}-\d{4}\h+\d{2}:\d{2}:\d) 负前瞻，直接在右侧断言不是日期时间之类的模式
  - .*如果断言为真，则匹配整行
- )* 如果换行符不是以类似模式的日期时间开头，则匹配换行符和其余行
)关闭第二组

Regex demo | Java demo

例如

String regex = "^(\\d{2}-\\d{2}-\\d{4} \\d{2}:\\d{2}:\\d{2})\\h+-\\h*(.*(?:\\R(?!\\d{2}-\\d{2}-\\d{4} \\d{2}:\\d{2}:\\d).*)*)";
String string = "28-03-2020 23:00:00 - This\n"
+ "is\n"
+ "line\n"
+ "1\n\n"
+ "28-03-2021 14:23:15 - This\n"
+ "is\n"
+ "line\n"
+ "2\n\n\n\n"
+ "28-03-2020 23:00:00 - This\n"
+ "is\n"
+ "12\n"
+ "line\n"
+ "1";

Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE);
Matcher matcher = pattern.matcher(string);

while (matcher.find()) {
    System.out.println(matcher.group(1));
    System.out.println(matcher.group(2));
    System.out.println("--------------------");
}

输出

28-03-2020 23:00:00
This
is
line
1

--------------------
28-03-2021 14:23:15
This
is
line
2



--------------------
28-03-2020 23:00:00
This
is
12
line
1
--------------------

【讨论】：

【解决方案2】：

你应该像这样使用Pattern.DOTALL。

public static void main(String[] args) {
    String s = "28-03-2020 23:00:00 - This\n"
        + "is\n"
        + "line\n"
        + "1\n"
        + "\n"
        + "28-03-2021 14:23:15 - This\n"
        + "is\n"
        + "line\n"
        + "2\n"
        + "\n";
    Pattern pat = Pattern.compile(
        "(\\d{2}-\\d{2}-\\d{4} \\d{2}:\\d{2}:\\d{2})\\s*-\\s*(.*?)\n\n",
        Pattern.DOTALL);
    Matcher m = pat.matcher(s);
    while (m.find()) {
        System.out.println("Group 1 : " + m.group(1));
        System.out.println("Group 2 : " + m.group(2));
    }
}

输出：

Group 1 : 28-03-2020 23:00:00
Group 2 : This
is
line
1
Group 1 : 28-03-2021 14:23:15
Group 2 : This
is
line
2

【讨论】：

【解决方案3】：

这个怎么样。

public static void main(String[] args) {
    String s = "28-03-2020 23:00:00 - This\n"
            + "is\n"
            + "line\n"
            + "1\n"
            + "\n"
            + "28-03-2021 14:23:15 - This\n"
            + "is\n"
            + "line\n"
            + "2\n"
            + "\n";

    Pattern r = Pattern.compile("^(\\d{2}-\\d{2}-\\d{4} \\d{2}:\\d{2}:\\d{2}) -(?:[\\s\\D]*?)^(\\d{1,2})",Pattern.MULTILINE);
    Matcher matcher = r.matcher(s);
    
    while(matcher.find()) {
        System.out.println("Group 1 : " + matcher.group(1));
        System.out.println("Group 2 : " + matcher.group(2));
    }
}

输出如下。

Group 1 : 28-03-2020 23:00:00
Group 2 : 1
Group 1 : 28-03-2021 14:23:15
Group 2 : 2

【讨论】：