使用正则表达式提取指定BBCode（[U]、[B]、[I]）时如何匹配末尾的普通文本？

这个问题我之前也碰到过！你的正则逻辑没问题，但核心缺陷在于它必须匹配到一个完整的标签块才会生成匹配结果，所以字符串末尾那段没有标签包裹的纯文本就被彻底漏掉了。咱们来一步步调整解决：

首先，先拆解原正则的问题：(.*?)(\[[UBI]\](.*?)\[\/[UBI]\])(.*?) 这个结构是「普通文本 + 标签块 + 普通文本」，但它要求中间的标签块是必填项。当遍历到字符串最后时，剩下的test3后面没有标签块，自然触发不了匹配。

优化后的正则方案 #

我推荐调整成这样，既能捕获所有片段，还能避免错误匹配不闭合的标签：

(.*?)(?:\[([UBI])\](.*?)\[\/\2\])?(?=\[[UBI]\]|$)

记得加上全局匹配标志（g），这样才能遍历整个字符串的所有片段。

正则各部分解释 #

• (.*?)：非贪婪捕获前面的普通文本（比如test1 、test2、 test3）
• (?:\[([UBI])\](.*?)\[\/\2\])?：
  • ?: 表示这是一个非捕获组（如果不需要单独捕获整个标签块，可以用这个优化性能）
  • \2 是反向引用，保证开闭标签的类型一致（比如[B]必须对应[/B]，避免[B]text[/U]这种错误匹配）
  • ? 把整个标签块设为可选，这样即使没有标签也能匹配纯文本片段
• (?=\[[UBI]\]|$)：正向预查，确保当前匹配的结尾要么是下一个标签的开头，要么是字符串末尾，防止.*?匹配过度

测试效果 #

用你的目标字符串test1 [B]bold text[/B] test2 [U]underlined[/U] test3测试，会得到3组匹配结果：

1. 组1: test1 ，组2: B，组3: bold text
2. 组1: test2，组2: U，组3: underlined
3. 组1: test3，组2: null，组3: null

这样就完美捕获了末尾的test3，不管是作为纯文本片段，还是和前面的标签块片段一起处理都没问题。

额外小提示 #

如果还是想保留你原来的组结构（组2是完整标签块），可以把非捕获组改成捕获组：

(.*?)(\[[UBI]\](.*?)\[\/[UBI]\])?(?=\[[UBI]\]|$)

不过还是推荐用反向引用的版本，能避免无效的标签匹配。

内容的提问来源于stack exchange，提问作者Magnus