多行正则表达式匹配，直到找到下一组

Question

我正在尝试匹配许可证文件中的文本，并且在找到下一个匹配项时，我仍然不知道如何停止匹配任何文本。

我的文字如下：

packagename
1.0.5 <https://github.com/user/packagename>

Lots of text
here
across multiple lines

packagename2
1.1.0 <https://github.com/user/packagename2>

lots more text here
this continues for a while
across many lines

要查找每个匹配应该从哪里开始，我使用以下正则表达式：

(\w+\n\d+\.\d+\.\d+\s<.*>)

这正确地匹配了我的所有标题，但是当我尝试使用时：

(\w+\n\d+\.\d+\.\d+\s<.*>)((.|\n)*)

要匹配以下所有字符和换行符，它只会捕获第一个组，然后只捕获所有文本。

我希望将包名称作为一个组匹配，并将下一个包名称之前的所有内容作为第二个组匹配。

Answer 1

您可以使用

(?m)^(\w+\n\d+(?:\.\d+){2}\s+<.*>)([\s\S]*?)(?=[\n\r]+\w+\n\d+(?:\.\d+){2}\s<|\Z)

在Python中，

results = re.findall(r'^(\w+\n\d+(?:\.\d+){2}\s+<.*>)([\s\S]*?)(?=[\n\r]+\w+\n\d+(?:\.\d+){2}\s<|\Z)', re.M)

请参阅regex demo

<强>详情

• ^ - 该行的开头（由于re.M修饰符，^除了字符串的开头之外还匹配行开头）
• (\w+\n\d+(?:\.\d+){2}\s+<.*>) - 第1组：
  • \w+ - 1 + word chars
  • \n - 换行符
  • \d+ - 1+位数
  • (?:\.\d+){2} - 重复.和1+位
  • \s+ - 1+空格
  • <.*> - <，以及尽可能多的换行以外的0 +字符>
• ([\s\S]*?) - 第2组：任何0+字符，尽可能少，直至最左边的...
• (?=[\n\r]+\w+\n\d+(?:\.\d+){2}\s<|\Z) - 匹配的正向前瞻，不添加匹配值
  • [\n\r]+ - 1+换行符后跟
  • \w+\n\d+(?:\.\d+){2}\s< - 第1组模式（几乎所有模式，你可以在这里添加所有模式，但似乎<就足够了）
• | - 或
• \Z - 字符串的结尾。