正则匹配制表符分层文本中Match后同层级名称问题

问题背景 #

有一份用制表符划分层级的文本，需要提取每个Match行之后、与该Match**同层级（前置制表符数量一致）**的所有名称，遇到层级变化的行就停止，且不能使用多行模式。现有正则只能匹配Match后的第一个名称，无法覆盖后续同层级内容。

文本示例：

Connection
            Match
                Fridolin
                Marten
    Connection
            Inventory
                        Fill Up
            Fill Up
        Match
            Peter
            Marcus
        Storage
                Room 1
                Room 2
                Room 3
            Match
                Albert
                Jonas
                Hans
    List
    Match
        Peter
        Marcus

解决方案 #

核心逻辑

先捕获Match行的前置制表符序列，用反向引用锁定后续行的缩进层级，匹配所有符合字符规则的名称行，直到遇到缩进不同的行。

正则表达式

(\t+)Match\n((?:\1[ a-zA-ZäöüÄÖÜßé0-9\./-]+\n?)+)

细节说明

• (\t+)：把Match行的前置制表符存为捕获组，记录当前层级的缩进量。
• Match\n：定位到Match关键字和换行，作为提取的起始标记。
• (?:\1[ a-zA-ZäöüÄÖÜßé0-9\./-]+\n?)+：
  • \1：反向引用之前捕获的制表符，确保后续行和Match同层级。
  • [ a-zA-ZäöüÄÖÜßé0-9\./-]+：匹配合法的名称字符（修正了原正则里重复的\-问题）。
  • \n?：兼容最后一行没有换行的情况。
  • 整个非捕获组用+包裹，实现匹配多个连续的同层级名称行。

若实际需求是提取Match的子层级名称

如果示例里的名称是Match的下一级（多一个制表符），把正则调整为：

(\t+)Match\n((?:\t\1[ a-zA-ZäöüÄÖÜßé0-9\./-]+\n?)+)

这里\t\1表示比Match多一个制表符的子层级，匹配所有子层级的名称直到层级变化。

内容的提问来源于stack exchange，提问作者SevenTwo