C# 和 regex101 的正则表达式结果不同答案

【问题标题】：regex results are different between C# and regex101C# 和 regex101 的正则表达式结果不同
【发布时间】：2018-06-09 10:12:59
【问题描述】：

我创建了以下正则表达式

^xy_yx_blaa_(\d+)([\s\S]*?)(^[A-D]$|QM)+[\s\S]*?(?:SW|Analyzing)

我遇到的问题是，当我运行它时，例如 regex101，它将获得 199 个匹配项（这就是我想要的），但是当我在我的 C# 程序中使用它时，它只会得到 55 个匹配项

经过进一步调查，我发现 C# 程序仅匹配包含“QM”的文本，但在 regex101 中它匹配包含 A|B|C|D|QM 的文本

这是我当前的代码

TextExtractor extractor = new TextExtractor(path);
string text = extractor.ExtractText();
MatchCollection matches = Regex.Matches(text, pattern, RegexOptions.Multiline);

提前致谢

这里是输入字符串的示例

xy_yx_blaa_184

is the act of composing and sending electronic messages, typically
consisting of alphabetic and numeric characters, between two or more
users of mobile phones, tablets, desktops/laptops, or other devices.
Text messages may be sent over a cellular network, or may also be sent
via an Internet connection.

Derived

QM

SW

xy_yx_blaa_199

is the act of composing and sending electronic messages, typically
consisting of alphabetic and numeric characters, between two or more
users of mobile phones, tablets, desktops/laptops, or other devices.
Text messages may be sent over a cellular network, or may also be sent
via an Internet connection.

Derived

A

SW

在上面的文本示例中，C# 将捕获第一个（它包含 QM），但在正则表达式 101 中它将捕获两者

【问题讨论】：

显示输入字符串。
为什么 [A-D] 前面有非 '^' 后面有 $？应该是 ([A-D]|QM)
@jdweng: ^ 在这里不是否定，而是行首的锚。
@Casimir et Hippolyte 我添加了它
@jdweng 完全按照 Casimir 的解释

标签： c# regex text

【解决方案1】：

您应该在使用RegexOptions.Multiline（或其等效的(?m)）时在任何$ 之前添加一个可选的\r? 模式，因为文件可能具有Windows CRLF 结尾并且$ 锚点仅在之前匹配\n，LF 符号。

此外，[\s\S] 更像是一个 hack，您需要使用 . 和 RegexOptions.Singleline 来匹配任何字符。

var pattern = @"^xy_yx_blaa_(\d+)(.*?)(^[A-D]\r?$|QM)+.*?(?:SW|Analyzing)";
var results = Regex.Matches(text, pattern, RegexOptions.Multiline | RegexOptions.Singleline)
    .Cast<Match>()
    .Select(m => m.Value)
    .ToList();

这是regex demo 和C# demo。

【讨论】：