Question

我正在使用这个表达式：

(.*(?:<br\/>(?:<\/p>)?\n.*)+)

在此示例文本中：

test text <br/>
test line2 <br/>
test line3 <br/>
test line4

不是将此作为一个完整的匹配，而是分为两个匹配（当使用g标志时，否则它只是第一个匹配）：

MATCH ONE: 
test text <br/>
test line2 <br/>

MATCH TWO:
test line3 <br/>
test line4

（链接到示例：https://www.regex101.com/r/lS9vV7/3）

编辑：此表达式应匹配整个字符串，而不是将其拆分为两个匹配

Answer 1

而不是content (br \n content)*，将其更改为(content br \n)* content：

(?:.*<br\/>(?:<\/p>)?\n)+.*

Demo on regex101

原始正则表达式和上面的解决方案具有相同的匹配能力，即如果您锚定正则表达式，则两个解决方案匹配相同的语言（满足以下条件的字符串集）正则表达式定义的语法）。但是，由于回溯机制和在回溯引擎中探索搜索树的顺序，结果不同。

在贪婪量词（例如*，+，{n,}，{n,m}）满足重复的下限后，它会尝试将原子与原子匹配多次可能，并且未能匹配下一个原子，它会停止重复并继续续集模式。虽然它可以回溯到原子，也可以撤消重复，但只有在续集模式失败时才会发生回溯。在我们的例子中，没有续集模式（换句话说，我们接受匹配）。

正如在另一个答案中所分析的那样，.*中的第二个(.*(?:<br\/>(?:<\/p>)?\n.*)+)可以匹配<br/>，这意味着下一次重复没有</br>。由于如上所述的回溯机制，量词+停止尝试更多，并且接受匹配（因为没有续集模式）。

（作为续集的一个例子，当你在结尾添加锚\z时，\z是续集，阻止匹配发生在输入字符串的中间。）

在我的解决方案中，为了阻止重复的外部重复，模式.*<br\/>(?:<\/p>)?\n必须失败，这意味着它必须通过回溯来尝试所有可能性。这允许.*回溯以匹配行尾的<br/>。

Answer 2

尝试：

(.*(?:<br\/>(?:<\/p>)?\n[^<]*)+)

DEMO

我认为你的正则表达式不起作用，因为在.+之后的\n也匹配了下一个<br/>部分（look here），所以{{ 1}}多次都没有工作。如果您将(?:<br\/>(?:<\/p>)?\n[^<]*)+替换为[^<]+，则它将与.+不匹配，并且它应该按预期工作（至少我希望如此）。

为什么这个正则表达式尽可能匹配尽可能少的字符，即使没有问号？

2 个答案: