行尾的正则表达式

Question

我正在尝试使用正则表达式解析一个 GEDCOM 文件，我快要完成了，但是表达式抓住了行尾有可选文本的行的文本的下一行。每条记录应为单行。

这是文件的摘录：

0 HEAD
1 CHAR UTF-8
1 SOUR Ancestry.com Family Trees
2 VERS (2010.3)
2 NAME Ancestry.com Family Trees
2 CORP Ancestry.com
1 GEDC
2 VERS 5.5
2 FORM LINEAGE-LINKED
0 @P6@ INDI
1 BIRT

这是我使用的正则表达式：

(\d+)\s+(@\S+@)?\s*(\S+)\s+(.*)

这适用于所有行，但末尾不包含任何文本的行除外，例如第一行。例如，第一条记录的最后一个捕获组包含“1 CHAR UTF-8”。

这是来自 regex101.com 的屏幕截图，显示了紫色捕获组如何渗入下一行：

我曾尝试使用 $ 限定符将 .* 限制为仅行尾，但由于第二行也是行尾而失败。

Answer 1

\s 模式匹配换行符。将其替换为常规 space，或 [^\S\r\n]，或 \h（如果是 PCRE），或 [\p{Zs}\t].

(\d+) +(@\S+@)? *(\S+) +(.*)

见regex demo

如果需要匹配行，可以添加多行选项，添加锚点（^在开头，$在结尾彭定康）两侧（见another demo）。

行尾的正则表达式

Regular expression for end of line

regex

multiline

gedcom