正则表达式匹配包含指定字符串的多行条目

Question

我正在尝试使用正则表达式（PCRE 引擎）收集描述 Rectangle 3 的语句。这是专有 TGML-ish 语言的抓取项目的一部分。我

输入如下所示：

<Rectangle is 
    good>99</Rectangle>
<Rectangle is 
    bad>99</Rectangle>
<Rectangle is 
    ugly>3</Rectangle>
<Rectangle is 
    fat>99</Rectangle>
<Rectangle is 
    janky6789>99</Rectangle>
<Rectangle is 
    34+35>99</Rectangle>
<Rectangle is 
    <>>98</Rectangle>
<Rectangle is 
    chicken>3</Rectangle>
<Rectangle 1 is 
    holy>97</Rectangle>

输出如下所示：

<Rectangle is 
    ugly>3</Rectangle>
<Rectangle is 
    chicken>3</Rectangle>

我可以获得包含 Rectangle 3 的匹配项，但它们也包含它之前的所有内容。

<Rectangle\X*?3$\X*?<\/Rectangle>

似乎应该对此有某种分组、回溯或递归技巧，但我想不出来。

Answer 1

您可以使用带否定字符类的正则表达式，而不是懒惰地将任何字素与 \X*?:

匹配

<Rectangle[^>]*>3$[^<]*<\/Rectangle>

参见regex demo。

请注意，您的 \X*? 匹配任何字素，包括 <、>、换行符等，因此它将尽可能匹配以使后续模式匹配。因此，使用 [^>]* 和 [^<]* 您将能够限制模式可以在固定子模式之间匹配的字符。

详情

<Rectangle - 文字字符串
[^>]* - >
>3$ - >3$ 字符串
[^<]* - <
<\/Rectangle> - </Rectangle> 字符串。

Answer 2

只需匹配空格、非空格，然后是您的目标 >3$，以 .* 结尾以捕获该行的其余部分：

<Rectangle is\s+\S+>3$.*

参见live demo。

正则表达式匹配包含指定字符串的多行条目

Regex match multiline entries containing specified string

regex

recursion

regex-group

regex-greedy