Question

由于这些组使用相同的父标签，我在捕获多个组时遇到了一些麻烦。

数据块看起来像这样（我为了便于阅读而拆分了行，实际数据没有换行符）

<w:p w:rsidR="100"><w:r><w:p w:rsidR="250"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>
<w:p w:rsidR="500"><w:r><w:p><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>
<w:p w:rsidR="150"><w:r><w:p w:rsidR="51"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>
<w:p><w:r><w:p w:rsidR="2"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>
<w:p w:hi="150"><w:r><w:p w:hi="5"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>

原始正则表达式因为子标记以相同的根结束标记结束而死亡（由于懒惰的前瞻 - 这是我们想要的，因为数据的blob不止一个）：

/(<w:p .*?>|<w:p>)(.*?)<\/w:p>/

所以它永远不会捕获超出的数据：“Text Group 2 ...”。

支架使用不起作用，因为子标签也是动态的，即(<w:p .*?>|<w:p>)

否定前瞻小组应该在这里耍手段，但我必须要混淆一些东西？这不会产生有效结果。

/(<w:p .*?>|<w:p>)(.*?(?!(<w:p .*?>|<w:p>).*?<\/w:p>))<\/w:p>/

使用非捕获组确实得到了懒惰的量子，但它没有（显然）捕获第一部分：

(<w:p .*?>|<w:p>)((?:((<w:p .*?>|<w:p>).*?<\/w:p>)).*?)<\/w:p>

第二个捕获组的所需输出包含以下所有内容：

<w:r><w:p w:rsidR="250"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r>

请注意，这与RegEx match open tags except XHTML self-contained tags不同，标签在此处标识并且是常量。

Answer 1

我能够通过使用分支重置组 ？| 来解决这个问题，它允许我在使用延迟运算符查找尾部的同时组合子模式+通配符

示例：

<w:p[^>]*>((?|(<w:p[^>]*>.*?<\/w:p>)|(.))*?)<\/w:p>

RegEx捕获使用相同父标记的子组

1 个答案: