如何用正则表达式多行捕获连续以星号开头的行

需求说明 #

我有如下格式的字符串：

foobar

* Level1-1
* Level1-2
** Level2-1
** Level2-2
*** Level3-1
*** Level3-2

foo
foo
foo
bar

* Level1-1
foo

bar

foo
bar

* Level1-1
** Level2-1

foo
bar

希望用正则多行捕获所有连续以星号（*）开头的行，得到3组结果：

结果1：

* Level1-1
* Level1-2
** Level2-1
** Level2-2
*** Level3-1
*** Level3-2

结果2：

* Level1-1

结果3：

* Level1-1
** Level2-1

尝试的方案 #

我用了带/m（多行模式）的正则表达式：

^(?<Content>\*(.|\n|\r|\n\r)+)(?=[\n\r]+[^\*]+)

对这个正则的理解：

• ^：匹配行/字符串起始
• (?<Content>\*(.|\n|\r|\n\r)+)：捕获所有以星号开头的行的捕获组
• (?=[\n\r]+[^\*]+)：正向预查，匹配不以星号开头的行来结束匹配

但实际匹配结果是除了前2行和最后一行外的整个字符串，不符合预期。我知道(^\*.*)能匹配单行，但需要把连续的星号行放到同一个捕获组里。

问题 #

不清楚哪里出错了，尤其是正向预查部分，希望得到实现需求的建议。

解决方案 #

原正则的问题 #

1. 贪婪匹配导致过度捕获：(.|\n|\r|\n\r)+是贪婪模式，会尽可能匹配更多内容，包括中间的非星号行——只要后面还存在[\n\r]+[^\*]+的结构，就会一直往后匹配，不会在第一个非星号行处停止。
2. 未限定每行必须以星号开头：原正则只保证起始行是星号开头，后续内容允许任意字符（包括非星号行），这就导致连续星号行之外的内容也被包含进来。

正确的正则表达式 #

使用多行模式（/m），搭配全局匹配（/g，根据正则引擎调整），用以下正则：

^\*.*(?:\R^\*.*)*

如果你的正则引擎不支持\R（表示任意换行符，包括\n、\r\n），可以替换为(?:\n|\r\n)：

^\*.*(?:(?:\n|\r\n)^\*.*)*

正则解释 #

• ^：多行模式下，匹配行开头（而非整个字符串开头）
• \*.*：匹配一行中以*开头的内容，.*匹配该行剩余所有字符
• (?:\R^\*.*)*：非捕获组，匹配0或多个「换行符 + 以*开头的行」，从而把连续的星号行合并为一个匹配项

使用说明 #

在支持全局匹配的正则引擎中（比如JavaScript的g标志、.NET的Matches方法、Python的re.findall），运行这个正则会直接得到你需要的3组连续星号行结果。

内容的提问来源于Stack Exchange，提问作者PowershellNinja