如何用正则表达式提取单行文本中的多组文化标识与对应内容

问题场景 #

我有一类类似键值对结构的文本：文化标识被方括号[]包裹，其后是对应文本（无明确终止符，文本可包含任意字符），示例如下：

示例1 #

[fr-FR] C'est la francais![en] This is english.[es-ES] Spain

示例2 #

[ad-sad]asd.,/?|":{{}[a!@#$%^&()**d [en]aedasd;

需要用正则表达式将文化标识提取为分组$1（去掉外层方括号），对应文本提取为分组$2，预期提取结果如下：

示例1预期结果

示例2预期结果

我尝试过正向/反向预查、正/负断言、嵌套分组等方法均未成功，目前仅能提取分组1：(\[[\w-]+\])，也曾尝试(\[[\w-]+\])(?:(?!\[[\w-]+\]))但无效。备选方案是仅提取分组1，再通过C#代码利用匹配的index和length手动提取对应文本，现寻求正确的正则表达式解决方案。

正则表达式方案 #

可以通过正向预查结合非贪婪匹配实现需求，正则表达式如下：

\[([\w-]+)\](.*?)(?=\[[\w-]+\]|$)

表达式拆解 #

1. \[([\w-]+)\]：匹配方括号包裹的文化标识，将括号内的内容捕获为分组$1（自动去除外层方括号）
2. (.*?)：非贪婪模式匹配任意字符，捕获为分组$2，非贪婪特性确保不会越界匹配到下一个文化标识的内容
3. (?=\[[\w-]+\]|$)：正向预查，匹配到下一个文化标识的开头或文本结尾时停止，作为$2的终止边界

C# 代码示例 #

using System;
using System.Text.RegularExpressions;

class Program
{
    static void Main()
    {
        string sample1 = "[fr-FR] C'est la francais![en] This is english.[es-ES] Spain";
        string sample2 = "[ad-sad]asd.,/?|":{{}[a!@#$%^&()**d [en]aedasd;";
        string regexPattern = @"\[([\w-]+)\](.*?)(?=\[[\w-]+\]|$)";

        // 处理示例1
        Console.WriteLine("=== 示例1提取结果 ===");
        foreach (Match match in Regex.Matches(sample1, regexPattern))
        {
            Console.WriteLine($"Group1: {match.Groups[1].Value}, Group2: {match.Groups[2].Value.Trim()}");
        }

        // 处理示例2
        Console.WriteLine("\n=== 示例2提取结果 ===");
        foreach (Match match in Regex.Matches(sample2, regexPattern))
        {
            Console.WriteLine($"Group1: {match.Groups[1].Value}, Group2: {match.Groups[2].Value.Trim()}");
        }
    }
}

注意事项 #

• 若文本包含换行符，需在Regex.Matches中添加RegexOptions.Singleline参数，让.可以匹配换行
• 若文化标识包含\w和-之外的字符，可调整[\w-]部分，比如允许.则改为[\w-.]

内容的提问来源于stack exchange，提问作者mihkov