如何使用PCRE多行正则表达式提取多行字符串的分段内容？

输入文本 #

Some content here

%% some text 1

Some content here 1

%% some text 2

Some content here 2

需求说明 #

需要将上述文本分割为以下两种结果之一：

结果一 #

[
  "Some content here\n\n",
  "%% some text 1",
  "\n\nSome content here 1\n\n",
  "%% some text 2",
  "\n\nSome content here 2\n\n"
]

结果二 #

[
  "Some content here\n\n",
  "%% some text 1\n\nSome content here 1\n\n",
  "%% some text 2\n\nSome content here 2\n\n"
]

解决方案 #

两种结果都可以通过PCRE正则实现，核心是启用单行模式（(?s)，让.匹配换行符），结合正向预查来分割内容：

实现结果一的正则 #

(?s)(^.*?(?=%%)|%%.*?(?=%%|$))

• 匹配逻辑：
  1. ^.*?(?=%%)：匹配从文本开头到第一个%%之前的所有内容（包含换行）
  2. %%.*?(?=%%|$)：匹配从%%开始，到下一个%%或文本结尾的所有内容
  3. 分支|将两种匹配规则合并，最终得到结果一的分割列表

实现结果二的正则 #

(?s)(^.*?(?=%%)|%%.*?(?=\n\n%%|$))

• 匹配逻辑：
  1. ^.*?(?=%%)：同结果一，匹配开头到第一个%%前的内容
  2. %%.*?(?=\n\n%%|$)：匹配从%%开始，到下一个\n\n%%（空行+%%）或文本结尾的所有内容，这样就把每个%%块及其后续关联内容合并为一个匹配项，对应结果二的分割列表

关于之前尝试的问题 #

你之前用的(%% .+)加多行模式（m）无法满足需求，是因为多行模式仅改变^和$的匹配范围（匹配行首/行尾），但.+默认不匹配换行符，所以只能匹配单行的%%开头内容。而启用单行模式(?s)后，.可以跨行匹配，才能实现跨行的内容分割。

内容的提问来源于stack exchange，提问作者user20386317