正则表达式 - 不匹配 NewLine 什么时候应该？

Question

承诺，我的正则表达式问题有一段时间了。 ..真的。

我在不应该的情况下以某种方式将换行符添加到某些匹配项中，并且我确定这是我误解的内容，或者，我得到的数据不是我所期望的。 （这是可能的..！）

我定义了一个正则表达式： new Regex(@"^\s*[0-9]{4}[A-Z]{2}[\s\*]\s*(?<token>.*?)\-(?<value>.*?)$", RegexOptions.Compiled | RegexOptions.Multiline | RegexOptions.IgnoreCase | RegexOptions.ExplicitCapture);

我得到的文档/字符串被格式化为偶尔出现的一行：

0000AA Token1     - Value
0000AA Token2     - Value
0000AA Token3     - Value
0000AA Another Tok- Value

当我像这样按顺序获取所有令牌时，上面的正则表达式效果很好。我得到了四场比赛：

Match# <token> <value>
1      Token1      Value
2      Token2      Value
3      Token3      Value
4      Another Tok Value

这很好。但是，有时用户会向我发送一个文件，其中令牌偶尔会丢失行，如：

0000AA Token1     - Value
0000AA Token2     - Value
0000AA Token3     - Value
0000AA
0000AA Another Tok- Value

发生这种情况时，我的正则表达式会给我以下值：

Match# <token>           <value>
1      Token1             Value
2      Token2             Value
3      Token3             Value
4      0000AA Another Tok Value

我知道为什么，它与 #4 的标记匹配，从它上面的行开始。但是，当我将 'token' 分组更改为 (?<token>[^\n]*?) 时，我仍然在 'token' 中得到相同的值。

我觉得我遗漏了一些明显的东西，因为如果 .在不应该匹配换行符的时候匹配换行符，比我更多的人会因为它而引起骚动。我检查了传入的字符串 - 换行符是 \n，而不是 \r\n，但想知道是否还有其他问题。

再次干杯 - 迈克。

Answer 1

问题出在\s开头的字母数字代码后面； \s 也匹配换行符，而您不想这样做。您基本上需要匹配 \s 而不是 \n。这用正则表达式是无法表达的，但是如果你使用德摩根定理，你可以重写这个表达式：

\s AND NOT \n = NOT(NOT \s OR \n)

原来NOT \s可以写成\S：

\s AND NOT \n = NOT(NOT \s OR \n) = NOT(\S OR \n)

这很容易用正则表达式表达：

\s AND NOT \n = NOT(NOT \s OR \n) = NOT(\S OR \n) = [^\S\n]

因此，使用 [^\S\n] 代替 \s，这意味着 匹配除换行符之外的所有内容，以及 \s 的否定 em>。

我在同一区域做了一些其他更改，因为我觉得有些东西是不必要的。如果您认为是，可以将其添加回来。

Regex re = new Regex(@"^[0-9]{4}[A-Z]{2}[^\S\n]*(?<token>.*?)\-(?<value>.*?)$", RegexOptions.Compiled | RegexOptions.Multiline | RegexOptions.IgnoreCase | RegexOptions.ExplicitCapture);