Multiline Regex匹配第一次出现,但不能匹配第二次

Question

我有一个下面格式的字符串.(我添加了标记以使新线正确显示)

-- START BELOW THIS LINE --
2013-08-28 00:00:00 - Tom Smith (Work notes)
Blah blah

b;lah blah

2013-08-27 00:00:00 - Tom Smith (Work notes)
ZXcZXCZXCZX
ZXcZXCZX
ZXCZXcZXc
ZXCZXC


-- END ABOVE THIS LINE --

我试图得到一个正则表达式,允许我从字符串的两个独立部分中提取信息.

以下表达式成功匹配第一部分:

^(\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2}) - (.*) \\(Work notes\\)\n([\\w\\W]*)(?=\n\n\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2} - .* \\(Work notes\\)\n)

我试图找出一种方法,我可以修改它以获得字符串的第二部分.我已经尝试了类似下面的内容,但它最终将匹配一直延伸到字符串的末尾.这就像它优先考虑OR之后的表达式.

^(\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2}) - (.*) \\(Work notes\\)\n([\\w\\W]*)(?:(?=\n\n\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2} - .* \\(Work notes\\)\n)|\n\\Z)

任何帮助,将不胜感激

- 编辑 -

这是我创建的测试程序的副本,试图使其正确.在这种情况下,我还添加了第3条消息,上面的RegEx中断了.

using System;
using System.Text.RegularExpressions;

namespace RegExTest
{
  class MainClass
  {
    public static void Main (string[] args)
    {
      string str = "2013-08-28 10:50:13 - Tom Smith (Work notes)\nWhat's up? \nHow you been?\n\n2013-08-19 10:21:03 - Tom Smith (Work notes)\nWork Notes\n\n2013-08-19 10:10:48 - Tom Smith (Work notes)\nGood day\n\n";
      var regex = new Regex ("^(\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2}) - (.*) \\(Work notes\\)\n([\\w\\W]*)\n\n(?=\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2} - .* \\(Work notes\\)\n)",RegexOptions.Multiline);

      foreach (Match match in regex.Matches(str))
      {
        if (match.Success)
        {
          for (var i = 0; i < match.Groups.Count; i++)
          {
            Console.WriteLine('>'+match.Groups [i].Value);
          }
        }
      }

      Console.ReadKey();
    }
  }
}

- 编辑 -

为了说清楚,我试图提取的数据是日期和时间戳(作为一个项目),名称和每个"段落"的"正文".

Answer 1

这是您这里的一段非常强大的正则表达式。

虽然您可以在多行上执行正则表达式，但这只会使事情变得复杂。此外，由于您有重复的模式，因此在换行符上拆分字符串，然后只匹配每一行会更干净。

最终，如果您打算从文件中提取此内容，则可以轻松匹配文件的每一行，而不是读取整个文件然后进行匹配。

这就是我要做的：

var regex = new Regex ("(\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2}) - (.*?) \\(Work notes\\)");

var lines = str.split(new char[] {'\n'});

foreach (var line in lines)
{
  var match = regex.Match(line);

  if (match.Success)
  {
    for (var i = 0; i < match.Groups.Count; i++)
    {
      Console.WriteLine('>' + match.Groups[i].Value);
    }

    // will preface the body after each header
    Console.WriteLine(">");
  }
  else
  {
    Console.WriteLine(line);
  }
}

就您的正则表达式而言，我维护了您拥有的原始组，因此我们在一组中获取日期/时间戳，在另一组中获取名称。主体不会与组匹配，但构造一个作为主体的字符串是很简单的。

1. (\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})匹配组1。

2. -匹配，但未分组。

3. (.*?)匹配组2。

4. \(Work notes\)匹配，但未分组。