用于匹配所有内容直到找到单词的正则表达式

Question

我有一段文字重复了好几次。这里有该文本的示例：

我们的想法是拥有一个包含三组的正则表达式，并针对与文本的任何匹配项重复此操作。这里有一个可能的匹配示例：

group1 = HORIZON-CL5-2021-D1-01
group2 (Opening) = 15 Apr 2021
group3 (Deadlines(s)) = 07 Sep 2021


group1 = HORIZON-CL5-2022-D1-01-two-stage
group2 (Opening) = 04 Nov 2021
group3 (Deadlines(s)) = 15 Feb 2022 (First Stage), 07 Sep 2022 (Second Stage)

我正在尝试使用这个正则表达式：

\n(HORIZON-\S+-[A-Z]{1}\d{1}-\d{2}).*?^Opening

差不多可以了。我需要的是在正则表达式中再说两件事：

在某些情况下，HORIZON...的最后一个数字之后可能会出现一些文本，例如第二种情况：

HORIZON-CL5-2022-D1-01 -two-stage

我需要说 catch everything 直到单词 'Opening:' 出现在一行的开头。我以为是用表达式 .*?^Opening 的这一部分做的，但它似乎不正确。

我该如何解决这个问题？

Answer 1

你可以有这样的东西：HORIZON-\S+-[A-Z]{1}\d{1}-\d{2}(-[^\s]*)?。我添加了 (-[^\s]*)? 部分。在这里，我告诉正则表达式匹配以 - 开头的内容，直到找到白色 space (\s)。 ? 使这部分成为可选的，因此它可以显示一次或根本不显示。

Answer 2

在你的模式中，你在第一组中重复了 HORIZON-... HORIZON-()-A1-11HORIZON-+-B2-33 虽然这不应该出现在您的输入中，但应该不是问题。
您的模式中需要开头，我会用正向预测替换它 (Opening|$)，其中 $ 表示行尾。
您似乎没有对正在检索的字符串部分做任何事情，从您的示例中我认为您可以简单地匹配非空格。

const pattern = /\n(HORIZON-\S+)\s*(.*?)\s*(?=Opening|$)/

如果您想要保留原始模式并将其余文本捕获到一个单独的组中，那就是 /\n(HORIZON-\S+-[A-Z]{1}\d{1}-\d{2})(\S*)\s*(.*?)\s*(?=Opening|$)/。
'\n'开头的表达式与第一行不匹配，可以改成/^(HORIZON-\S+-[A-Z]{1}\d{1}-\d{2})(\S*)\s*(.*?)\s*(?=Opening|$)/.

Answer 3

要获得第 1 组中的 -two-stage，您可以将匹配的 0+ 个非空白字符 \S* 添加到现有组中。

您不需要 s 修饰符来使点匹配换行符。相反，您可以使用否定先行匹配所有不以 Opening 开头的行，然后匹配 Opening 并捕获日期和截止日期部分在捕获组中。

注意可以省略{1}

^(HORIZON-\S+-[A-Z]\d-\d{2}\S*)(?:\r?\n(?!Opening\b).*)*\r?\nOpening: (.+)\r?\nDeadline\(s\): (.+)

Regex demo

您可以根据需要让小组以日期之类的部分开始，因为 .+ 是广泛匹配。

例如

^(HORIZON-\S+-[A-Z]\d-\d{2}\S*)(?:\r?\n(?!Opening\b).*)*\r?\nOpening: (\d{2} [A-Z][a-z]{2} \d{4})\r?\nDeadline\(s\): (\d{2} [A-Z][a-z]{2} \d{4}.*)

Regex demo

用于匹配所有内容直到找到单词的正则表达式

regular expression for matching everything until a word is found

python

regex

textmatching