Question

我正在传递XML文档，作为文本文档，虽然是正则表达式过程。

<YaddaYaddaPrecedingMarkup>includes (a) and (b) and (c) and (d) and ...

<MyElement>SECTIONBEGINS (a) Item A (b) Item B (c) Item C (d) Item D</MyElement>

<YaddaYaddaFollowingMarkup>includes (a) and (b) and (c) and (d) and ...

我希望我的正则表达式捕获子弹标签'（a）''（b）''（c）''（d）'。（.. etc ...）出现在'MyElement'中，其文本以“SECTIONBEGINS”开头。

我需要这个正则表达式来忽略（a）......（b）......（c）出现在我的XML-as-text中的其他任何实例。

如果我使用：

(\([a-z]\))

我在整个文件中匹配（a），（b），（c）。那个表达太不受限制了。

如果我使用：

>SECTIONBEGINS(?:.*?)(\([a-z]\))(?:.*)<

我只在正确的部分内成功匹配，但我只匹配'（a）'（第一个匹配），而不匹配同一部分的（b），（c），（d）。

我已经尝试了很多其他的变体，其中一些会选择'（d）'，但似乎没有任何变种可以捕获多个。

Answer 1

变式1：Lookbehind

(?<=SECTIONBEGINS[^>]*)\([a-z]\)

变式2：\ G anchor + capture group

(?:SECTIONBEGINS|\G)[^<(]*(\([a-z]\))

Answer 2

您需要查看Match.Group.Captures：

Regex.Match(xml, @">SECTIONBEGINS (?<items>\([a-z]\) .+?)+<")
    .Groups["items"].Captures.Cast<Capture>()
    .Select(x => x.Value)

或者，如果您想将它们分组为键/值对：

var match = Regex.Match(xml, @">SECTIONBEGINS( (\((?<index>[a-z])\) (?<item>.+?)))+<");
Enumerable.Zip(
    match.Groups["index"].Captures.Cast<Capture>(),
    match.Groups["item"].Captures.Cast<Capture>(),
    Tuple.Create)
    .ToDictionary(x => x.Item1.Value, x => x.Item2.Value)

编辑：如果您不关心子弹标签，可以通过以下方式提取项目：

Regex.Match(xml, @">SECTIONBEGINS( (\((?<index>[a-z])\) (?<item>.+?)))+<")
    .Groups["item"].Captures.Cast<Capture>()
    .Select(x => x.Value)

或者，如果您想要替换原有内容：

Regex.Replace(xml, @">SECTIONBEGINS( (\((?<index>[a-z])\) (?<item>.+?)))+<",
    m => string.Format(">SECTIONBEGINS {0}<", string.Join(" ", m.Groups["item"]
        .Captures.Cast<Capture>()
        .Select((x,i) => string.Format("({0}) {1}",
            (char)(((int)'a')+i),
            x.Value.ToUpper() // TODO: your replace logic here
    ))))
)

正则表达式在文本文档的子部分中多次匹配捕获组

2 个答案: