.Net正则表达式与可选项目和贪婪分开

Question

以下是我正在尝试解析的数据的测试样本：

Content1
***
Content2
***
Content3
Content3
***

Content4
***
Content5

***
***
Content6
***
***
***
Content7

简而言之，数据条目由新行上的分隔符字符串分隔。我想获取Content1，Content2，Content3 \ r \ nContent3，\ r \ nContent4，Content5 \ r \ n，Content6，Content7。我尝试了一个非常简单的正则表达式(\r\n)?^\*\*\*$(\r\n)?，在RegexBuddy的Split中使用'^ $ match at line breaks'选项和.Net flavor选择给我正确的输出，虽然在多个分隔符之间有空字符串，我知道我有手动删除。但是，以下C＃代码：

string regexPattern = string.Format(@"(\r\n)?^{0}$(\r\n)?", Regex.Escape("***"));
var records = Regex.Split(document, regexPattern, RegexOptions.Multiline);

返回整个输入字符串。我在哪里错了？

另外，我不明白为什么正则表达式(\r\n)?\*\*\*(\r\n)?（它不适合我，因为一个条目可以包含分隔符字符串）返回给我Content1，\ r \ n，\ r \ n， Content2，\ r \ n等等不应该贪婪地抓住\ r \ n项目吗？ RegexBuddy使用此正则表达式为我提供了正确的输出。

Answer 1

1。 $到底匹配的位置是什么？

主要问题是$在\n字符之前匹配，因此如果在\r之前有任何\n，则需要在模式中指定它。否则，将不返回任何匹配项。您可以在"\r$"上测试使用"Content1\r\nContent2\r\nContent3"分割字符串以查看效果。

只是一个示例，用于显示行^的开头和行$的结尾（在Multiline选项下）。第一行是原始字符串（新行和回车符分别显示为\n和\r），第二行注释了由{{1}匹配的零长度字符串的位置}和^。

$

要解决此问题，我们只需要在***\r\nConte\rn\rt3\r\nCo\nntent3 ^***\r$\n^Conte\rn\rt3\r$\n^Co$\n^ntent3$ 之前测试（可选）\r。在下面第3节的解决方案中，我测试了可选的$，因为如果输入文件来自UNIX环境，\r可能不存在。

2。在\r：

的结果中包含捕获的文本

在.NET Framework 2.0中，Regex.Split会将字符串拆分为分隔符，而也会在结果数组中包含捕获的文本。

要解决上述问题，您只需将捕获组（捕获文本+分组属性）转换为非捕获组 Regex.Split（分组）仅属性）。

3。结论

所以解决方案是：

(?:pattern)

Demo on ideone

您可以单独处理结果中的空字符串。