PCRE正则匹配捕获前置任意换行多行字符串PHP无捕获问题

需求与问题场景 #

待处理文本如下：

Lorem ipsum dolor sit amet.

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Vivamus
dictum, lorem et fringilla congue, velit libero sagittis eros, id
lobortis nisi risus ac mauris.

需要用PHP兼容的PCRE正则实现命名捕获，提取第一段后、任意数量换行符之后的第二段（即上述3行文本）。测试正则/\n(\n)+(?<namedGroup>([\w\d]+.*(\n)?)+)/m在regex101上正常，但在PHP代码中无法捕获内容：

<?php
$text = file_get_contents("paragraphs.txt");

$regular_expression = '/\n(\n)+(?<namedGroup>([\w\d]+.*(\n)?)+)/m';

preg_match($regular_expression, $text, $result);
print_r($result);
?>

解决方案：修正后的PCRE正则 #

可以使用以下正则表达式，结合s修饰符（让.匹配换行符）实现需求：

/\n+(?<namedGroup>(?:.+\n?)+)(?=\n{2,}|$)/s

正则说明 #

• \n+：匹配前置的任意数量连续换行符（1个及以上）
• (?<namedGroup>...)：命名捕获组，用于提取目标段落
• (?:.+\n?)+：非捕获组，匹配一行或多行内容（.*匹配任意字符，\n?允许最后一行没有换行符）
• (?=\n{2,}|$)：正向预查，确保目标段落之后是至少2个换行符（分隔段落）或者文本结尾
• s修饰符：让.匹配包括换行符在内的所有字符，确保跨多行匹配生效

可运行的PHP代码示例 #

<?php
$text = file_get_contents("paragraphs.txt");

// 修正后的正则表达式
$regular_expression = '/\n+(?<namedGroup>(?:.+\n?)+)(?=\n{2,}|$)/s';

preg_match($regular_expression, $text, $result);
// 输出捕获到的内容
echo $result['namedGroup'] ?? '未捕获到内容';
?>

原正则失效原因 #

1. /m修饰符的干扰：/m会让^和$匹配行首/行尾，但原正则未依赖此特性，反而导致.*仅匹配到单行末尾，无法跨多行捕获整个段落
2. 冗余且不严谨的匹配：[\w\d]等价于\w（\w已包含字母、数字、下划线），嵌套捕获组会分散匹配优先级，导致捕获结果异常
3. 换行符匹配不兼容：未考虑不同系统下的换行符差异（如Windows的\r\n），使用s修饰符后.可统一匹配所有换行相关字符

内容的提问来源于stack exchange，提问作者Paiku Han