为什么我最后一个被命名的小组会抓住其

Question

所以，我将这些来自SMSes的数据导出到我希望能够提取的文本，并创建一个比纯文本更好的报告，所以我有一个完整的这些行的文件：

1.   01 mag 2015   10:55:08 AM   stringOne  PersonName                       +999999999999  MultilineText

让我分解一下：

1. “1”。就像一个行号
2. “01 mag 2015 10:55:08 AM”是日期
3. “stringOne”是一个字符串，可以是“stringOne”或“stringTwo”
4. “PersonName”是表示人员姓名的字符串
5. “+ 999999999999”是电话号码
6. “MultilineText”是一个可以包含任何内容的多行字符串

我正在使用Regex.Matches让MatchCollection进行迭代。

如果我不包含最后一个组，我可以让一切正常工作，我真的需要获取这些数据，所以这里是正在使用的正则表达式，它成功检索没有最后一组的数据：

@"(?<lineNumber>\d{1,3}\.   )(?<date>\d{2} \w{3} \d{4}   \d{2}\:\d{2}\:\d{2} (AM|PM))\s*(stringOne|stringTwo)\s*(?<from>\w+)\s*(?<celnumber>\+?\d+)"

我尝试将以下部分添加到该正则表达式中：

(?<text>.*)

但是，我没有正确获取多行文字，我确实得到了一些数据，但是当它进入多行时它会被删除。

然后，我试图改用它：

(?<text>(.|\n)*)

我只得到一行。

那么，我怎样才能将最后一段“信息”作为多行文字？

Answer 1

(?<lineNumber>\d{1,3}\.   )(?<date>\d{2} \w{3} \d{4}   \d{2}\:\d{2}\:\d{2} (AM|PM))\s*(stringOne|stringTwo)\s*(?<from>\w+)\s*(?<celnumber>\+?\d+)\s*(?<text>[\s\S]*?)(?=\n[ ]*\d+\.|$)

你可以试试这个。

(?<text>[\s\S]*?)(?=\n[ ]*\d+\.|$)将捕获多行文字，直到它找到一个有一个数字和.的换行符。前瞻检查它但不消耗它

Answer 2

您缺少使.与换行符号匹配的单行运算符，以及使我们能够控制行的启动的多行选项(?m)。我还建议用\s替换文字空格，因为它有助于最终的调试：

以下是包含内联(?s)和(?m)选项的正则表达式：

(?sm)(?<lineNumber>\d{1,3}\.\s+)(?<date>\d{2}\s+\w{3}\s+\d{4}\s+\d{2}\:\d{2}\:\d{2}\s*(AM|PM))\s*(stringOne|stringTwo)\s*(?<from>\w+)\s*(?<celnumber>\+?\d+)(?<text>.*?)(?=\z|^\s*\d+\.)

或在程序内部（RegexOptions.Singleline和RegexOptions.Multiline）：

var rx = new Regex(@"(?<lineNumber>\d{1,3}\.\s+)(?<date>\d{2}\s+\w{3}\s+\d{4}\s+\d{2}\:\d{2}\:\d{2}\s*(AM|PM))\s*(stringOne|stringTwo)\s*(?<from>\w+)\s*(?<celnumber>\+?\d+)(?<text>.*?)(?=\z|^\s*\d+\.)", RegexOptions.Singleline|RegexOptions.Multiline);

请参阅demo

您可能想知道\z做了什么：它匹配字符串的结尾，而不管修改^和$锚的含义的多行标志。

请检查C＃代码：

var rx = new Regex(@"(?<lineNumber>\d{1,3}\.\s+)(?<date>\d{2}\s+\w{3}\s+\d{4}\s+\d{2}\:\d{2}\:\d{2}\s*(AM|PM))\s*(stringOne|stringTwo)\s*(?<from>\w+)\s*(?<celnumber>\+?\d+)(?<text>.*?)(?=\z|^\s*\d+\.)", RegexOptions.Singleline | RegexOptions.Multiline);
var strr = "1.   01 mag 2015   10:55:08 AM   stringOne  PersonName                       +999999999999  Multiline\r\nText\r\n    2.   01 mag 2015   10:55:08 AM   stringOne  PersonName                       +222229999  Multiline\r\nText";
var mth = rx.Matches(strr).Cast<Match>().ToList();

输出：