多行正则表达式匹配，直到找到下一个组

Question

我正在尝试匹配许可证文件中的文本，但在找到下一个匹配项时如何停止匹配任何文本时遇到了困难。

我的文字是这样的：

packagename
1.0.5 <https://github.com/user/packagename>

Lots of text
here
across multiple lines

packagename2
1.1.0 <https://github.com/user/packagename2>

lots more text here
this continues for a while
across many lines

要找到每场比赛应该从哪里开始，我使用以下正则表达式：

(\w+\n\d+\.\d+\.\d+\s<.*>)

这正确匹配了我所有的标题，但是当我尝试使用时：

(\w+\n\d+\.\d+\.\d+\s<.*>)((.|\n)*)

为了匹配后面的所有字符和换行符，它只捕获第一组，然后只捕获后面的所有文本。

我想将包名作为一个组匹配，并将下一个包名之前的所有内容作为第二组匹配。

Answer 1

你可以使用

(?m)^(\w+\n\d+(?:\.\d+){2}\s+<.*>)([\s\S]*?)(?=[\n\r]+\w+\n\d+(?:\.\d+){2}\s<|\Z)

在 Python 中，

results = re.findall(r'^(\w+\n\d+(?:\.\d+){2}\s+<.*>)([\s\S]*?)(?=[\n\r]+\w+\n\d+(?:\.\d+){2}\s<|\Z)', re.M)

见regex demo

详情

• ^ - 行的开头（由于 re.M 修饰符，^ 匹配行开头以及字符串的开头）
• (\w+\n\d+(?:\.\d+){2}\s+<.*>) - 第 1 组：
  • \w+ - 1+ 个单词字符
  • \n - 换行
  • \d+ - 1 位以上
  • (?:\.\d+){2} - 重复 2 次 . 和 1+ 位
  • \s+ - 1+ 个空格
  • <.*> - <，除换行符之外的 0+ 个字符尽可能多，>
• ([\s\S]*?) - 第 2 组：任何 0+ 个字符，尽可能少，直到最左边出现...
• (?=[\n\r]+\w+\n\d+(?:\.\d+){2}\s<|\Z) - 一个积极的前瞻，匹配而不增加匹配值
  • [\n\r]+ - 1+ 换行符后跟
  • \w+\n\d+(?:\.\d+){2}\s< - 第 1 组模式（几乎全部，你可以在这里全部添加，但似乎到 < 就足够了）
• | - 或
• \Z - 字符串的结尾。