如何在大型正则表达式中实现可选行的目标数字分组捕获

问题场景 #

需要解析如下格式的文本：

block of text that also have some bits that have to be matched / captured
OPTIONAL_TEXT_1 1234 5678 91011
OPTIONAL_TEXT_2 9876 5432 1098
some more text that also has bits I need in it

要求：

• 文本中至少存在OPTIONAL_TEXT_1或OPTIONAL_TEXT_2中的一行
• 用单个正则一次性匹配所有内容，捕获每行的最后一个数字（示例中为91011和1098）
• 使用正则选项：RegexOptions.IgnoreCase | RegexOptions.Singleline

失败尝试分析 #

第一种写法（可选组+非捕获组） #

…
.*?(?:OPTIONAL_TEXT_1(?:[^\r\n]+) (\d+)\n)?
.*?(?:OPTIONAL_TEXT_2(?:[^\r\n]+) (\d+)\n)?
…

失败原因：
.*?在Singleline模式下会匹配包括换行在内的任意字符，正则引擎为了完成整体匹配，会优先跳过带?的可选组，直接用.*?覆盖可选行的内容，导致内部捕获组完全没有触发，自然得不到结果。

第二种写法（环视断言） #

…
.*?(?<=OPTIONAL_TEXT_1(?:[^\r\n]+) )(\d+)?(?=\n)
.*?(?<=OPTIONAL_TEXT_2(?:[^\r\n]+) )(\d+)?(?=\n)
…

失败原因：
正向回顾后发断言(?<=...)是必须满足的硬性条件，即使后面的(\d+)?设为可选，当对应行不存在时，断言无法成立，直接导致整个正则匹配失败。

解决方案 #

正确正则写法 #

移除可选组前多余的.*?，精准匹配可选行的结构，确保正则引擎优先尝试匹配可选组：

^.*?(?:OPTIONAL_TEXT_1[^\r\n]* (\d+)\r?\n)?(?:OPTIONAL_TEXT_2[^\r\n]* (\d+)\r?\n)?.*?$

如果需要更清晰的结果，可以使用命名捕获组：

^.*?(?:OPTIONAL_TEXT_1[^\r\n]* (?<Opt1>\d+)\r?\n)?(?:OPTIONAL_TEXT_2[^\r\n]* (?<Opt2>\d+)\r?\n)?.*?$

关键调整点 #

1. 去掉可选组前的.*?，避免正则跳过可选行
2. 用[^\r\n]*匹配行内内容（在Singleline模式下仍能限制在单行内）
3. 用\r?\n兼容Windows和Unix换行格式
4. 保留可选组的?标记，确保行不存在时正则仍能匹配整体内容

C#示例代码 #

string input = @"block of text that also have some bits that have to be matched / captured
OPTIONAL_TEXT_1 1234 5678 91011
some more text that also has bits I need in it";
string pattern = @"^.*?(?:OPTIONAL_TEXT_1[^\r\n]* (?<Opt1>\d+)\r?\n)?(?:OPTIONAL_TEXT_2[^\r\n]* (?<Opt2>\d+)\r?\n)?.*?$";
Match match = Regex.Match(input, pattern, RegexOptions.IgnoreCase | RegexOptions.Singleline);

if (match.Success)
{
    Console.WriteLine($"OPTIONAL_TEXT_1末尾数字: {match.Groups["Opt1"].Value}");
    Console.WriteLine($"OPTIONAL_TEXT_2末尾数字: {match.Groups["Opt2"].Value}");
}

运行结果：

OPTIONAL_TEXT_1末尾数字: 91011
OPTIONAL_TEXT_2末尾数字: 

内容的提问来源于stack exchange，提问作者Soul Reaver