正则表达式扩展匹配至XX COUNTRY格式字符段的技术咨询

核心需求明确 #

你需要扩展原正则，让捕获范围从Kg)\n\n\w*\s之后，一直覆盖到XX COUNTRY格式的内容结尾，中间允许数字、单词及空格混合的可变文本（支持跨行）。

修正后的正则表达式 #

基础版（适配Unix换行） #

Kg\)\n\n\w*\s(.*?[A-Z]{2} [A-Za-z]+)

兼容版（适配Windows/Unix换行，允许换行前后有空白） #

Kg\)\s*\n\s*\n\w*\s(.*?[A-Z]{2} [A-Za-z]+)

逐段解释 #

• Kg\)：匹配固定开头Kg)，括号属于正则特殊字符，必须转义
• \n\n：匹配连续两个换行（兼容版用\s*\n\s*\n，允许换行前后存在空格、制表符等空白）
• \w*\s：匹配任意长度的单词字符（数字、字母、下划线）加一个空格，和原正则逻辑保持一致
• (.*?[A-Z]{2} [A-Za-z]+)：核心捕获组，负责覆盖目标内容：
  • .*?：非贪婪匹配任意字符（必须开启正则引擎的「跨行匹配模式」，比如Java的Pattern.DOTALL、Python的re.DOTALL，否则无法匹配换行），避免过度捕获到无关内容
  • [A-Z]{2}：匹配两个大写字母的国家代码（如DE、US）
  • ：匹配国家代码与名称之间的空格
  • [A-Za-z]+：匹配国家名称（支持大小写混合，如Germany、FRANCE）

鲁棒性优化要点 #

1. 必须开启跨行模式：否则.*?无法匹配换行符，会漏掉跨行的中间内容
2. 若国家名称含空格（如United States），可将[A-Za-z]+调整为[A-Za-z\s]+，但如果文本末尾有其他内容，建议补充终止标记（比如后续的固定字符）避免误匹配
3. 不要使用\N*这类非标准语法（多数正则引擎不支持），统一用标准的\w（单词字符）、\S（非空白字符）或.（任意字符）
4. 若要严格匹配ISO标准国家代码，可替换[A-Z]{2}为具体的代码集合（如(DE|US|FR|GB)），但新手阶段用[A-Z]{2}足以覆盖大部分场景

测试示例 #

假设输入文本为：

Kg)

Sample 789 Orange 012
DE Germany

开启跨行模式后，捕获组会得到789 Orange 012\nDE Germany，完全符合需求。

内容的提问来源于stack exchange，提问作者user21520585