多行负前瞻的正则表达式

Question

在过去的几个小时里，我一直在尝试从以下示例数据中匹配地址，但无法正常工作：

medicalHistory      None
address             24 Lewin Street, KUBURA, 
                NSW, Australia
email               MaryBeor@spambob.com


address             16 Yarra Street, 
                                     LAWRENCE, VIC, Australia
name                Mary   Beor
medicalHistory      None
phone               00000000000000000000353336907
birthday            26-11-1972

我的计划是找到以“地址”开头的任何内容，后跟任何空格，后跟字符、数字逗号和换行符，并以换行符后跟一个字符结尾。我想出了以下（以及它的许多变体）：

address\s+([0-9a-zA-Z, \n\t]+)(?!\n\w)

不幸的是符合以下条件：

address             24 Lewin Street, KUBURA,
                NSW, Australia
email               MaryBeor  

和

address             16 Yarra Street,
                                 LAWRENCE, VIC, Australia
name                Mary   Beor
medicalHistory      None
phone               00000000000000000000353336907
birthday            26

而不是

address             24 Lewin Street, KUBURA, 
                NSW, Australia

和

address             16 Yarra Street,
                                 LAWRENCE, VIC, Australia

你能告诉我我做错了什么吗？

Answer 1

我会这样做：

address\s+((?![\r\n]+\w)[0-9a-zA-Z, \r\n\t])+

看here on Regexr。

这个((?![\r\n]+\w)[0-9a-zA-Z, \r\n\t])+ 是重要的部分，我说，匹配[0-9a-zA-Z, \r\n\t] 的下一个字符，如果(?![\r\n]+\w) 没有跟随。这符合您的预期。

在您的两种情况下，正则表达式都停止匹配，因为您的字符类中没有包含一个字符。如果您想这样做，则需要将lazy quantifier 和positive lookahead 结合起来：

address\s+([0-9a-zA-Z, \n\r\t]+?)(?=\r\w)

[0-9a-zA-Z, \n\r\t]+? 尽可能少地匹配，直到条件 (?=\r\w) 为真。

看here at Regexr

Answer 2

您的正则表达式的问题在于+ 是贪婪的，直到它从该组中找到一个字符，第一种情况是@，第二种情况是-。

另一种方法是对换行符后跟单词字符使用非贪婪量词和正向预测，例如（python 版本）：

re.findall(r'address\s+.*?(?=\n\w)', s, re.DOTALL)

它产生：

['address             24 Lewin Street, KUBURA, \n                NSW, Australia',
 'address             16 Yarra Street, \n                                     LAWRENCE, VIC, Australia']