如何编写兼容PHP和JS的正则捕获OS组名及组内内容？

我有如下格式的数据文件：

[linux]
foo
faafaa

fii
[windows]

faa fii@@
<tag1>fuu</tag1>
foo1234

[osname3]
faa faa
[osname4]
fiifoo

需要捕获所有OS名称及其对应的组内内容，其中OS的数量和组内容都是可变的，组内容可包含任意字符。预期匹配结果如下：

Match1 : 
    Groupe1 : 'linux'
    Groupe2 : 'foo
faafaa'

Match2 : 
    Groupe1 : 'windows'
    Groupe2 : '
faa fii@@
<tag1>fuu</tag1>
foo1234
'

Match3 : 
    Groupe1 : 'osname3'
    Groupe2 : 'faa faa'

Match4 : 
    Groupe1 : 'osname4'
    Groupe2 : 'fiifoo'

我尝试的正则表达式为：(?:\[([\S ]+)\]\n((?:[\s\S\n])(?!\n\[))*)，但匹配结果不符合预期，问题出在(?:[\s\S\n])(?!\n\[))*部分。我希望捕获所有字符，但在\n\[模式前停止匹配，却无法实现。此外，该正则需要同时兼容PHP和JavaScript，恳请提供解决帮助。

修正后的正则表达式 #

\[([^\]]+)\]([\s\S]*?)(?=\n\[|\Z)

正则说明 #

1. \[([^\]]+)\]：匹配OS名称的方括号部分，捕获组1提取OS名称——用[^\]]+匹配除右括号外的所有字符，避免误匹配其他方括号内容
2. ([\s\S]*?)：非贪婪模式匹配任意字符（含换行），捕获组2提取对应OS的内容，*?是核心，能防止过度匹配到下一个OS的起始部分
3. (?=\n\[|\Z)：正向预查，当匹配到\n\[（下一个OS的起始行）或者文本末尾\Z时停止，刚好满足“在新行左括号前停止匹配”的需求

兼容PHP和JavaScript的使用示例 #

JavaScript 示例

const data = `[linux]
foo
faafaa

fii
[windows]

faa fii@@
<tag1>fuu</tag1>
foo1234

[osname3]
faa faa
[osname4]
fiifoo`;
const regex = /\[([^\]]+)\]([\s\S]*?)(?=\n\[|\Z)/g;
let match;
while ((match = regex.exec(data)) !== null) {
  console.log(`Match${regex.lastIndex / match[0].length} : 
    Groupe1 : '${match[1]}'
    Groupe2 : '${match[2]}'`);
}

PHP 示例

$data = <<<EOD
[linux]
foo
faafaa

fii
[windows]

faa fii@@
<tag1>fuu</tag1>
foo1234

[osname3]
faa faa
[osname4]
fiifoo
EOD;
$regex = '/\[([^\]]+)\]([\s\S]*?)(?=\n\[|\Z)/';
preg_match_all($regex, $data, $matches, PREG_SET_ORDER);
foreach ($matches as $index => $match) {
    echo "Match".($index+1)." : 
    Groupe1 : '{$match[1]}'
    Groupe2 : '{$match[2]}'\n\n";
}

原正则失效原因 #

原正则里的(?:[\s\S\n])(?!\n\[))*逻辑有问题：[\s\S]已经包含了换行符，不需要额外加\n；而且这个断言是对单个字符做检查，无法识别\n\[这个双字符的结束标记，导致匹配要么吃掉换行符停在[前，要么过度匹配。用正向预查(?=\n\[|\Z)可以准确识别结束边界，配合非贪婪匹配*?就能精准捕获每个OS的内容。

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