如何用正则按指定特殊字符将字符串分组为组或子组？

正确正则表达式 #

^([^=.^$:#]+)?(\=.*?(?=\.|^\^|^\$|^\:|^\#|$))?(\..*?(?=\^|^\$|^\:|^\#|$))?(\^.*?(?=\$|^\:|^\#|$))?(\$)?(\:)?(\#.*)?$

匹配结果验证 #

针对测试字符串 First element=Second=Group.Third.Grp^Fourth^Set$:#T1#Test2#B 3，捕获的分组完全符合预期：

• 组1：First element
• 组2：=Second=Group
• 组3：.Third.Grp
• 组4：^Fourth^Set
• 组5：$
• 组6：:
• 组7：#T1#Test2#B 3

原尝试的问题分析 #

1. 尝试1：^(.+?)(\=.+)*(\..+)*(\^.+)*(\$)*(\:)*(\#.+)*$
   • 贪婪匹配(\=.+)*会直接吃掉从=开始到字符串末尾的所有内容，导致后续分组（组3-7）无法捕获任何内容。
2. 尝试2：^(.+?)(\=.+?)*(\..+?)*(\^.+?)*(\$)*(\:)*(\#.+)*$
   • 非贪婪匹配(\=.+?)*没有明确终止边界，会提前停止匹配（比如只捕获=Second），无法完整获取到下一个分隔符（.）之前的全部内容。

正则设计思路 #

每个分组严格遵循分隔符的固定顺序（= → . → ^ → $ → : → #），通过正向预查明确每个分组的终止边界：

• 组1：匹配开头到第一个分隔符前的内容，用字符类排除所有分隔符，避免误匹配。
• 组2-4：以对应分隔符开头，匹配内容直到下一个指定顺序的分隔符或字符串结尾，确保完整捕获当前组的所有内容（包括组内重复的分隔符，比如组2中的=Second=Group）。
• 组5-6：单独匹配$和:本身，因为这两个分隔符后无需或没有后续内容。
• 组7：匹配从#开始到结尾的所有内容，支持组内包含多个#。
• 所有分组后添加?，确保不存在的分组返回空值，符合需求规则。

内容的提问来源于stack exchange，提问作者8平民