正则表达式：匹配包含短语且包含在两个单词之间的文本

Question

我必须匹配包含一些短语的文本，并且它必须包含在两个常量之间。举个例子吧：
我的上限和下限是相同的，例如“开始”。现在有更多受“START”限制的文本块。我想捕获限制之间的文本，但捕获的文本必须包含一些短语。

START
text1 text1 text1 phrase1 text text
START
text2 text2 phrase2 text2
START
text3 phrase1
START

现在我想用短语 1 捕获文本。它是“text1 text1 text1 phrase1 text text”和“text3 phrase1”。

匹配的文本可能包含 START 词。

我的尝试（没有以正确的方式工作）是：START((.|\s)*?phrase1(.|\s)*?)START。

当START text1 text1 text1 phrase1 text text START 被捕获时，我将其保存到变量中，并使用“START”替换正则表达式方法，因此它看起来像这样：

START
text2 text2 phrase2 text2
START
text3 phrase1
START

在第二个循环之后我得到了：

START
text2 text2 phrase2 text2
START

当我得到第三个循环时（如果它有效，正则表达式应该返回 false）但我崩溃了。在一些在线正则表达式中，它显示不匹配，所以它与模式有问题。

编辑：添加的循环代码

set regEx = new RegEx
//sInputString is my text

regEx.pattern = "START((.|\s)*?phrase1(.|\s)*?)START"
set matches = regEx.Execute(sInputString)

do while (matches.count <> 0)
    sInputString = regEx.Replace(sInputString, "START")
    set matches = regEx.Execute(sInputString) //this line crashes after "ending loop"
    //saving to array
loop

Answer 1

(.|\s)*? 构造效率非常低，给正则表达式用户带来了很多痛苦。始终将其替换为 .*?（带有单行修饰符）、[\s\S]*? 或展开循环的正则表达式。

在您的情况下，您可以像这样使用展开循环正则表达式：

\bSTART\b([^S]*(?:S(?!TART\b)[^S]*)*)

匹配：

• \bSTART\b - 一个完整的单词START（如果你不使用完整的单词，你可以省略\b）
• ([^S]*(?:S(?!TART\b))*) - 捕获组匹配
  • [^S]* - 除S 之外的 0 个或多个字符
  • (?:S(?!TART\b)[^S]*)* - 0 个或多个序列...
    • S(?!TART\b) - S 后面没有 TART 和一个单词边界
    • [^S]* - 除S 之外的 0 个或多个字符

得到

text1 text1 text1 phrase1 text text
text2 text2 phrase2 text2
text3 phrase1

见regex demo

现在，如果您只需要 2 个子字符串，只需在末尾添加 \bSTART\b，它将消耗尾随的 START：

\bSTART\b([^S]*(?:S(?!TART\b)[^S]*)*)\bSTART\b

参见another demo（捕获text1 text1 text1 phrase1 text text 和text3 phrase1）。

第二个正则表达式本质上与(?s)\bSTART\b(.*?)\bSTART\b 相同，但在处理较长的文本时效率更高，但.*? 惰性点匹配（匹配 0 个或更多任何字符，但尽可能少返回一个有效的匹配项) 当子字符串很短时更可取。

最后一点：如果您不需要匹配整个单词，则不必使用单词边界\b。