Question

我试图编写一个正则表达式来从历史文件中提取文本块，我保留在我正在构建的项目中。目前我计划在我的文本编辑器（textmate或sublimetext 2）中手动执行此提取，但最终我将使用python或php将其构建为脚本化进程（避难所＆t; t决定了）。

我的历史记录文件中的所有历史记录条目都具有以下格式：

YYYY-MM-DD - Chris -- Version: X.X.X
====================================
- Lorem ipsum dolor sit amet, vim id libris epicuri
- Et eos veri quodsi appetere, an qui saepe malorum eloquentiam.
...

--

其中X是完成工作的版本号。

我试图将所有内容从版本号拉到最后的双破折号分隔符，表示文本块的结尾。

我首先创建了正则表达式语句来选择有效的部分标题：

(^[\d]{4}-[\d]{2}-[\d]{2}\s-\s[\w]+\s--\sVersion:\s)[\d\.]+$

但是当我尝试将括号内的模式转换为后面的模式时，它失败了：

(?<=^[\d]{4}-[\d]{2}-[\d]{2}\s-\s[\w]+\s--\sVersion:\s)[\d\.]+$

我一直在四处寻找，到目前为止看起来这种外观格式是正确的。我似乎无法弄清楚我错过了什么。有什么想法吗？

Answer 1

正如Joey所述，php或python中没有任意长度的lookbehind。但PHP中有一个解决方法！ \K转义序列。

来自docs：

转义序列\ K会导致以前不匹配的任何字符包含在最终匹配的序列中。例如，模式：
   foo\Kbar
匹配“foobar”，但报告它匹配“bar”。此功能类似于lookbehind断言（如下所述）。但是，在这种情况下，真实匹配之前的主题部分不必具有固定长度，如同后瞻性断言那样。

删除一些冗余括号[]后，表达式看起来像

(?m)^\d{4}-\d{2}-\d{2}\s-\s\w+\s--\sVersion:\s\K[\d.]+$

Online demo

备注：

(?m)：是内联regex modifier

您不需要在字符类中转义点.：[.]将匹配点而不是任何字符

您可以为空白字符添加一些量词：\s*或\s+

\w+也会匹配下划线_，因此要排除它，您可以使用[^\W_]+

正则表达式 非常棒

Answer 2

PHP和Python都不允许任意长度的后视。因此，只要你有一个像+这样的量词，就会停止工作。

所以你的第一次尝试是唯一可行的。

正则表达式后视问题

2 个答案: