C#正则表达式提取带编号圣经章节节段的方案咨询

核心正则表达式 #

使用以下正则表达式可精准匹配每一节内容，搭配RegexOptions.Singleline选项让.能匹配换行符，确保捕获一节内的所有多行内容：

@"(\d+ .*?)(?=\n\d+|$)"

正则表达式解析 #

• \d+：匹配节号的一位或多位数字（如1、2、3）
• ：匹配节号后的空格分隔符
• .*?：非贪婪模式匹配后续所有内容，直到遇到下一个节的开头或文本结尾
• (?=\n\d+|$)：正向预查断言，界定每一节的结束位置——要么是换行+下一个节号，要么是文本末尾，避免误包含下一节内容

C#代码实现示例 #

以下是包含匹配分组和换行符替换逻辑的完整代码：

string bibleText = @"1 这是耶稣基督的家谱，他是大卫的子孙，亚伯拉罕的后裔：
2 亚伯拉罕生以撒；
以撒生雅各；
雅各生犹大和他的弟兄；
3 犹大从他玛氏生法勒斯和谢拉；
法勒斯生希斯仑；
希斯仑生兰；";

// 初始化正则，开启Singleline模式让.匹配换行
Regex sectionRegex = new Regex(@"(\d+ .*?)(?=\n\d+|$)", RegexOptions.Singleline);
MatchCollection sections = sectionRegex.Matches(bibleText);

int groupIndex = 1;
foreach (Match sectionMatch in sections)
{
    string rawSection = sectionMatch.Groups[1].Value;
    // 替换所有换行符为空格
    string formattedSection = rawSection.Replace(Environment.NewLine, " ").Replace("\n", " ").Replace("\r", "");
    
    Console.WriteLine($"分组#{groupIndex}：");
    Console.WriteLine(formattedSection);
    groupIndex++;
}

原正则失效原因 #

你之前使用的@"([^0-9][\s\S^0-9]*[^0-9])"存在两个关键问题：

1. 开头的[^0-9]直接排除了节号数字，导致匹配结果丢失每节的开头编号
2. 边界处理错误，未正确识别下一节的起始标识，导致分组数量和内容均不符合预期

内容的提问来源于stack exchange，提问作者Stephen