如何用PCRE2正则匹配含“cat”的段落（PHP≥7.3）

问题背景 #

需要匹配文本中所有包含单词cat的段落，段落以两个连续换行分隔，段落内允许单个换行但不能有两个连续换行。之前尝试的((?!\n\n).)*(cat)和\n\n.*(?=cat)cat.*\n\n均无法正常工作，前者无法跨单行匹配，后者仅能捕获单行内容。

正确正则表达式 #

使用PCRE2的DOTALL模式结合边界匹配，正则如下：

(?s)(?:^|\n\n)(?!\n)(.*?cat.*?)(?=\n\n|$)

正则说明 #

• (?s)：开启DOTALL模式，让.可以匹配换行符，支持捕获段落内的单行换行
• (?:^|\n\n)：匹配段落的起始边界，要么是文本开头，要么是两个连续换行（非捕获组，避免多余分组）
• (?!\n)：排除空段落（防止匹配多个连续换行产生的空行）
• (.*?cat.*?)：非贪婪匹配包含cat的内容，确保只捕获当前段落，不会跨到下一个段落
• (?=\n\n|$)：正向预查段落结束边界，要么是两个连续换行，要么是文本结尾

PHP代码示例 #

$text = <<<'TEXT'
Paragraph 1 wepfowfpo
fww efwf

Paragraph 2 wefwf32321
!@d r33tcat54, 333!..

Paragraph 3 4t4t022
-`121231ere3r3cat342232
$ 4t0g cat rdwd203  
$$333

Paragraph 4 222cocdo3
TEXT;

// 编译正则
$pattern = '/(?s)(?:^|\n\n)(?!\n)(.*?cat.*?)(?=\n\n|$)/';
// 匹配所有符合条件的段落
preg_match_all($pattern, $text, $matches);

// 输出结果
foreach ($matches[1] as $paragraph) {
    echo $paragraph . "\n";
}

结果验证 #

运行上述代码后，将输出：

Paragraph 3 4t4t022
-`121231ere3r3cat342232
$ 4t0g cat rdwd203  
$$333

为什么之前的正则失效？ #

• ((?!\n\n).)*(cat)：未开启DOTALL模式，.无法匹配换行，只能捕获单行内容；且未处理段落边界，可能匹配不完整的段落片段
• \n\n.*(?=cat)cat.*\n\n：同样未支持跨换行匹配，且无法处理文本开头/结尾的段落，仅能捕获被两个换行包裹的单行内容

内容的提问来源于stack exchange，提问作者ZENG