Question

让正则表达式通过字符“读取”并停止捕获特定短语的最佳方法是什么？我用了很多时间。*？和。+？将不需要的字符传递给特定的字符串或标记，然后捕获。

我想阅读任何字符，直到我找到特定的短语或标签。我通常会做一些像

这样的事情

date.*?<.*?>(\w+)<.*?>

来自一个看起来像

的字符串

datestuffstuffstuffstuff<tag>animal<tag>

这可以在一个简单的例子中工作，但引擎会丢失10K字符文本以匹配。当我进入捕获时，我需要更具体吗？正则表达式简体中文：跳过字符，直到你到达这个短语然后捕获。

Answer 1

由于您在询问如何解析纯文本，我可以建议使用否定字符类，即[^ + CHARACTERS_THAT_SHOULD_NOT_BE_MATCHED + ]。

否定字符类是最有效的正则表达式子模式。考虑

word one#word 2#more text

#(.*?)#将需要18个步骤才能找到匹配项，而#(\[^#\]*)#将分6个步骤完成。

此外，.默认情况下与换行符不匹配，您需要使用(?s)，/s或其他不同风格的方式指定DOTALL模式。

如果您需要在2个或更多必需字符之间匹配一些不必要的文字，那么您必须使用.* / .*?（带或不带dotall修饰符），或 - 如果您需要最接近的匹配 - tempered greedy token（特别是，如果必须排除某些子字符串）。