正则表达式自定义匹配标签并获取其组？

Question

我正在尝试创建自定义标记。这个标记看起来像这样；如果没有属性那么它将是 <mark text mark> 并且这个匹配的组将是文本。如果这个标记有一个属性 <mark:attribute text mark> 就会像这样。在 <mark 之后会有一个没有 space 的冒号，并且会有一个没有 space 的属性。此次匹配会形成两组，第一组是冒号后的属性值，第二组是文本。

例子

• <mark text mark> 必须匹配
• <mark:attribute text mark> 必须匹配

<mark
text
mark>

必须匹配

<mark:attribute
text
mark>

必须匹配

---

• <marktextmark> 不应该匹配
• <mark> 不应该匹配
• <mark:attributetextmark> 不应该匹配
• <mark:attribute textmark> 不应该匹配
• <mark: text mark> 不应该匹配

---

• <mark:red ...blah...blah... mark> 必须匹配。第一组是 red，第二组是 ...blah...blah...
• <mark Lorem Ipsum mark> 必须匹配。该组是 Lorem Ipsum

我认为当 mark 大写时会使匹配变得困难 <MARK TEXT MARK>。不影响情况也无所谓

总结

• 必须以 <mark
开头
• 如果有属性，应该用冒号写，不用space。 <mark:attribute
• 必须以 mark>
结尾
• 正文前后应有space。 <mark:attribute text mark><mark text mark>
• 必须只有一组没有属性<mark text mark>组：文本
• 必须有两个属性为 <mark:attribute text mark> 的群组[0]：属性，群组[1]：文本
• 冒号后不能有space，所以属性值不能为空。
• 以及多线支持。

我尝试编写一些正则表达式 (<mark:([^*].+?)mark>) 但我无法得到任何结果。我希望我能够解释。 https://regex101.com/r/jNsM88/1

感谢您的帮助。

Answer 1

第 0 组始终是 整个 匹配项，因此捕获的组从 1 开始：您的目标将被捕获到第 1 组和第 2 组（而不是您想要的 0 和 1）。

为属性使用可选（即量词?）非捕获组（(?:...)）并捕获非空白\S:

<mark(?::(\S+))?\s+(\S+)\s+mark>

见live demo。