如何用正则捕获文件中所有分组标题及内容（兼容JS/PHP）

问题描述 #

现有文件包含不定数量的分组，每个分组规则如下：

• 标题：整行被方括号包裹的内容
• 内容：标题下方的所有行，直到下一个以[开头的标题行结束；内容行不会以[开头，字符无限制

示例文件内容：

[titleOfgroup1]
foo
faafaa [ddfdf]

fii
[title of group2]

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

    foo1234

wdw

dwd

[title of [group3]]
faa faa
[titleOfGroup4]

fiifoo

预期捕获结果：

GROUP 1 : 
    MATCH 1 : 'titleOfgroup1'
    MATCH 2 : 'foo
faafaa [ddfdf]

fii'

GROUP 2 : 
    MATCH 1 : 'title of group2'
    MATCH 2 : 'faa fii@@
<tag1>fuu</tag1>

    foo1234'

GROUP 3 : 
    MATCH 1 : 'title of [group3]'
    MATCH 2 : 'faa faa'

GROUP 4 : 
    MATCH 1 : 'titleOfGroup4'
    MATCH 2 : 'fiifoo'

原正则表达式^\[(.*)\]\n[\s]*([\S\s]*?)[\s]*(?=\n\[)无法捕获最后一组，需给出兼容JavaScript和PHP的解决方案。

兼容方案 #

使用以下正则表达式可匹配所有分组（含最后一组）：

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

正则说明 #

• ^\[(.*)\]：匹配行首的方括号标题，将标题内容捕获到分组1
• ([\s\S]*?)：非贪婪匹配所有内容（含换行），将标题对应内容捕获到分组2
• (?=\n\[|\Z)：正向预查，匹配下一个标题行（\n\[）或文本结束位置（\Z），覆盖最后一组无后续标题的场景

注意事项 #

必须开启多行模式：

• JavaScript中使用/regex/m
• PHP中使用preg_match_all('/regex/m', $str, $matches)
  该模式下^才能匹配每一行的开头。

示例代码 #

JavaScript

const str = `[titleOfgroup1]
foo
faafaa [ddfdf]

fii
[title of group2]

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

    foo1234

wdw

dwd

[title of [group3]]
faa faa
[titleOfGroup4]

fiifoo`;

const regex = /^\[(.*)\]([\s\S]*?)(?=\n\[|\Z)/gm;
let matches;
while ((matches = regex.exec(str)) !== null) {
    const groupNum = Math.floor(regex.lastIndex / matches[0].length);
    const content = matches[2].trimStart().replace(/^\n/, '');
    console.log(`GROUP ${groupNum} : 
    MATCH 1 : '${matches[1]}'
    MATCH 2 : '${content}'`);
}

PHP

$str = <<<EOT
[titleOfgroup1]
foo
faafaa [ddfdf]

fii
[title of group2]

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

    foo1234

wdw

dwd

[title of [group3]]
faa faa
[titleOfGroup4]

fiifoo
EOT;

preg_match_all('/^\[(.*)\]([\s\S]*?)(?=\n\[|\Z)/m', $str, $matches, PREG_SET_ORDER);
foreach ($matches as $index => $match) {
    $content = ltrim($match[2], "\n");
    echo "GROUP " . ($index + 1) . " : \n    MATCH 1 : '" . $match[1] . "'\n    MATCH 2 : '" . $content . "'\n\n";
}

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