在ICU正则中条件性使用(?<=^)的技术问题咨询

我有一段多行文本，每行开头要么是数字、普通分数（如1/2这类格式），要么是普通字符。想用ICU正则变体匹配所有不以数字或普通分数开头的行首空白，但试了几个正则都没达到预期效果，想知道问题出在哪。

尝试过的正则如下：

^[a-zA-Z](?<=^)\s*

(?<=\R\s*)[a-zA-Z]\s*\D\s*

\s+(?=\n(?!(?:\d+  )?\d+\/\d))

^[a-zA-Z](?<=^)\s*

你之前的正则存在几个核心问题：

• 逻辑顺序颠倒：比如^[a-zA-Z](?<=^)\s*先匹配行首字母，再用反向断言回头看行首，完全不符合“匹配行首空白”的目标；
• 断言条件覆盖不全：没有同时排除“数字开头”和“分数开头”的情况，部分正则只针对分数做了排除，漏了纯数字开头的行；
• 匹配目标偏离：有的正则错误地去匹配字母或其他字符，而非聚焦在“行首空白”上。

针对需求，正确的ICU正则应该是：

(?<=^)\s+(?=(?!\d+\/\d)\D)

正则解释 #

• (?<=^)：反向断言，确保当前位置处于行首（ICU原生支持行首位置的反向断言）；
• \s+：匹配1个及以上的行首空白字符（如果要匹配0个或多个，可把+改成*，但通常行首空白是指有实际空白的情况）；
• (?=(?!\d+\/\d)\D)：正向嵌套断言，先通过(?!\d+\/\d)排除“普通分数开头”的情况，再用\D确保后续字符是非数字（排除纯数字开头的行），最终只匹配普通字符开头的行的行首空白。

如果需要处理跨行的情况，记得开启ICU正则的多行模式（m修饰符），让^匹配每一行的行首。

内容的提问来源于stack exchange，提问作者jeff