PowerShell 7.x中用正则从长字符串拆分邮件头的问题

需求场景 #

处理包含邮件头的长字符串，提取每个以单词字符（\w）开头的行，以及该行后续所有以空格开头的行（直到下一个以单词字符开头的行之前）。

可行正则表达式 #

基础匹配版本 #

(?m)^(\w.*(?:\n\s+.*)*)

兼容制表符的严谨版本 #

如果邮件头续行可能用制表符而非空格，可使用以下正则：

(?m)^(\w.*(?:\n[^\S\n]+.*)*)

PowerShell 7.x 实操示例 #

假设邮件头字符串存储在$emailHeader变量中，用[regex]::Matches()提取所有匹配段：

$emailHeader = @"
X-MS-Exchange-Organization-InternalOrgSender: False
Received: from YQBPR0101CA0152.CANPRD01.PROD.OUTLOOK.COM (2603:10b6:c01:e::25)
 by YQBPR0101MB5927.CANPRD01.PROD.OUTLOOK.COM (2603:10b6:c01:36::19) with
 Microsoft SMTP Server (version=TLS1_2,
 cipher=TLS_ECDHE_RSA_WITH_AES_256_GCM_SHA384) id 15.20.6652.27; Tue, 8 Aug
 2023 03:59:56 +0000
Received: from YQBCAN01FT026.eop-CAN01.prod.protection.outlook.com
 (2603:10b6:c01:e:cafe::70) by YQBPR0101CA0152.outlook.office365.com
 (2603:10b6:c01:e::25) with Microsoft SMTP Server (version=TLS1_2,
 cipher=TLS_ECDHE_RSA_WITH_AES_256_GCM_SHA384) id 15.20.6652.27 via Frontend
 Transport; Tue, 8 Aug 2023 03:59:56 +0000
"@

$matches = [regex]::Matches($emailHeader, '(?m)^(\w.*(?:\n\s+.*)*)')
$matches.Value

正则规则解释 #

• (?m)：启用多行模式，让^匹配每行的开头位置
• ^(\w.*：匹配行首的单词字符，以及该行剩余的全部内容
• (?:\n\s+.*)*：非捕获组，匹配零次或多次的“换行符+空格开头+该行剩余内容”，确保完整捕获所有续行；用非捕获组是为了避免生成多余的分组结果

原失败正则的问题分析 #

1. 第一个正则'(?sm)(^\w.*(\n\s+.*)+)'：
   • 启用了单行模式(?s)，导致.会匹配换行符，整个字符串被当作单行处理，匹配范围直接覆盖到字符串末尾，无法分段
2. 第二个正则'(?m)(^\w.*(?=(\n\s+.*)*))'：
   • 正向预查(?=...)是零宽断言，仅做位置判断，不会实际捕获后续的续行内容，最终只匹配到开头的单行

内容的提问来源于stack exchange，提问作者94jeepyj