Question

我想我很擅长RegEx，但这个让我感到难过。搜索字符串看起来像这样......

ISA*lots**of~other~data**with~~no terminating **pattern~ISA*lots**of~other~data**with~~no terminating **pattern~ISA*lots**of~other~data**with~~no terminating **pattern~ISA*lots**of~other~data**with~~no terminating **pattern~

没有换行符。
ISA*是一致的起始模式。
字符串的其余部分完全无法预测。
我需要ISA*和所有字符，直到该模式的下一个实例。

我尝试过什么

积极向前看，但这并不能捕获最后的结果。 (ISA\*(.*(?=ISA\*))?)

积极的后视，但我无法弄清楚如何让它变得懒惰。如果它不是懒惰的，那么只有一个匹配。但是如果它是懒惰的，你得到正确数量的匹配，但在模式之后只有一个额外的字符。 ISA\*(?<=ISA\*).*?

另一种解决方案是以编程方式split或explode字符串，删除第一个（空）结果，然后将分隔符重新附加到每个结果。实际上，这就是我已经拥有的。但是文件的大小，大量的结果以及导致性能问题的后处理。在初步测试中，使用正则表达式似乎可以提供一些有价值的性能提升。

这是用PHP处理的。该字符串来自AS400系统，在＆＃34; EDI交易＆＃34;文本文件。我还没有找到任何包含此类文件的工作正则表达式的库。

Answer 1

如何使用preg_split

$res = preg_split('/\b(?!^)(?=ISA\*)/', $str);

\b(?!^)在任何word boundary分开但不在开始
(?=ISA\*) if followed由指定的子字符串

See php demo at eval.in或regex demo at regex101

如果~之前的ISA是可预测的，请使用(?<=~) instead of \b(?!^)。

Answer 2

使用以下基于前瞻性的正则表达式：

ISA\*(.*?)(?=ISA\*|$)

请参阅regex demo

<强>详情：

ISA\* - 文字ISA*子字符串
(.*?) - 第1组捕获除了换行符之外的任何0 +字符尽可能少（由于懒惰的*?量词）直到（但从匹配中排除）... < / LI>
(?=ISA\*|$) - ISA*或字符串结尾（因为它是预测，与模式匹配的文本不会放入返回的匹配值中）。

同一个正则表达式的另一个变体是

ISA\*((?:(?!ISA\*).)*)

请参阅regex demo。展开版本（效率最高）：

ISA\*([^I]*(?:I(?!SA\*)[^I]*)*)

请参阅this regex demo。

Answer 3

您也可以尝试表达要捕获的内容：

ISA\*(?:[^I]|I[^S]|IS[^A]|ISA[^*])+

使用preg_match_all

从Begining Pattern（Inclusive）到Next Beginning Pattern（独家）的正则表达式

我尝试过什么

3 个答案: