Question

我有一个以下格式的字符串。（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 --

我正在尝试使用正则表达式，这样我就可以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，试图让这个更正确。在这种情况下，我还添加了第3条消息，上面的RegEx就打破了。

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”中的“正文”。

Answer 1

正则表达不是真正的解决方案，但如果你必须......

你的问题是正则表达式贪婪和与^开始匹配的组合。如果它以^开头，则需要它来启动字符串，并且它在其他任何地方都不匹配。

.*的贪婪可以通过改为.*?来解决。

试试这个：

(\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)|((\s{0,})$))

Answer 2

这是你在这里非常强大的正则表达式。

虽然可以在多行上执行正则表达式，但这只会让事情变得复杂。另外，因为你有重复的模式，所以在换行符上拆分字符串会更简洁，然后只匹配每一行。

最后，如果您打算从文件中摄取此文件，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。

这就是我要做的事情：

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);
  }
}

就你的正则表达式而言，我保留了原来的组，所以我们在一组中得到日期/时间戳，在另一组中得到名字。身体不会与一个组匹配，但构造一个身体的字符串将是微不足道的。

(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})匹配组1。
-已匹配但未分组。
(.*?)匹配组2。
\(Work notes\)已匹配但未分组。

Answer 3

我能够得到一个表达式但我觉得它看起来有点可怕：

@"([0-9\s:-]+)(?>\s-\s)(?>[^\n\r]+[\r\n]*)((?=[^0-9]+(\d{4}-\d{2}-\d{2}|$))[\s\S])+"

表达式之前的@使其成为逐字字符串，这样您就不必双重转义所有内容。

注意：这绝对不是正确的方法，但我想尝试一下。

多行正则表达式匹配第一次出现但不能匹配第二次出现

3 个答案: