如何用正则表达式匹配含可选多行内容的文件条目？

问题分析 #

你有一个包含特定格式条目的文件，每个条目分为两部分：

• 必填固定部分：格式为日期时间. 标签. 描述. #问题ID，例如 09-05-2023 13:15. Feature. Test ticket. #OW72-59
• 可选部分：多行内容，每行以两个空格开头，例如 New feature description.

现有正则能正确匹配必填部分，但无法捕获这些多行可选内容，且你可以根据需要调整文件格式。

解决方案 #

第一步：优化文件格式（推荐） #

给每个条目之间添加空行分隔，明确区分不同条目，大幅降低正则匹配的复杂度。调整后的文件格式示例：

09-05-2023 13:15. Feature. Test ticket. #OW72-59
New feature description.
Supports multiple user roles.

09-06-2023 09:30. BugFix. Login issue. #OW72-60
Fixes incorrect password validation.

第二步：使用优化后的正则表达式 #

针对调整后的格式，用以下正则可以同时捕获必填部分和所有可选多行内容：

(?s)(?'date'\d{2}-\d{2}-\d{4}\s\d{2}:\d{2})\. (?'tag'\w+)\. (?'desc'.*?)\. #(?'issueId'\w+-\d+)(?:\n  (?'optional'.+))*

正则关键说明：

• (?s)：开启单行模式，让.可以匹配换行符
• (?'date'\d{2}-\d{2}-\d{4}\s\d{2}:\d{2})：精准匹配DD-MM-YYYY HH:MM格式的日期时间，避免原正则\d*的宽泛匹配
• (?:\n (?'optional'.+))*：匹配所有以两个空格开头的可选行，*表示允许0次（无可选内容）或多次匹配

若无法调整文件格式的替代方案 #

如果不能添加空行分隔，可以用以下正则匹配到下一个非空格开头的行（即下一个条目的起始行）为止：

(?s)(?'date'\d{2}-\d{2}-\d{4}\s\d{2}:\d{2})\. (?'tag'\w+)\. (?'desc'.*?)\. #(?'issueId'\w+-\d+)(?:\n  .+)*?(?=\n[^ ]|\Z)

正则关键说明：

• (?=\n[^ ]|\Z)：正向预查，确保只捕获当前条目的可选内容，不会误包含下一个条目的内容

测试验证 #

用示例文本测试上述正则：

09-05-2023 13:15. Feature. Test ticket. #OW72-59
  New feature description.
  Supports multiple user roles.
09-06-2023 09:30. BugFix. Login issue. #OW72-60
  Fixes incorrect password validation.
  Resolves session timeout bug.

匹配后会准确捕获每个条目的所有字段：

• 第一个条目：
  • date: 09-05-2023 13:15
  • tag: Feature
  • desc: Test ticket
  • issueId: OW72-59
  • optional: New feature description.、Supports multiple user roles.
• 第二个条目：
  • date: 09-06-2023 09:30
  • tag: BugFix
  • desc: Login issue
  • issueId: OW72-60
  • optional: Fixes incorrect password validation.、Resolves session timeout bug.

内容的提问来源于stack exchange，提问作者Sergey Alikin