正则表达式匹配直至特定顺序字符序列的问题求助

问题说明 #

需要匹配从<SERIES>开始到</SERIES>结束的完整文本段，目标文本示例如下：

<SERIES>
<OWNER-CIK>0000003521
<SERIES-ID>S000020958
<SERIES-NAME>Alger Small Cap Focus Fund
<CLASS-CONTRACT>
<CLASS-CONTRACT-ID>C000059340
<CLASS-CONTRACT-NAME>Alger Small Cap Focus Fund Class I
<CLASS-CONTRACT-TICKER-SYMBOL>AOFIX
</CLASS-CONTRACT>
<CLASS-CONTRACT>
<CLASS-CONTRACT-ID>C000095961
<CLASS-CONTRACT-NAME>Alger Small Cap Focus Fund Class Z
<CLASS-CONTRACT-TICKER-SYMBOL>AGOZX
</CLASS-CONTRACT>
<CLASS-CONTRACT>
<CLASS-CONTRACT-ID>C000179520
<CLASS-CONTRACT-NAME>Class Y
<CLASS-CONTRACT-TICKER-SYMBOL>AOFYX
</CLASS-CONTRACT>
</SERIES>
<SERIES>

之前尝试的<SERIES>[^/]+会在遇到</CLASS-CONTRACT>时提前终止；把S加入排除集合后，匹配结束得更早。需要精准匹配到完整</SERIES>前的所有内容。

解决方案 #

可用正则表达式 #

根据正则引擎的支持情况，选下面其中一种：

• 支持DOTALL模式（.可匹配换行符）：

  <SERIES>.*?</SERIES>
  

• 不支持DOTALL模式：

  <SERIES>[\s\S]*?</SERIES>
  

原正则失效原因 #

• <SERIES>[^/]+：[^/]是排除型字符集，会匹配除了/之外的所有字符，所以遇到</CLASS-CONTRACT>里的/就立刻停止匹配，导致提前终止。
• 加入S到排除集合后，[^/S]+会避开所有/和S，遇到<SERIES-ID>里的S就直接停了，匹配范围更短。

正则逻辑解释 #

• <SERIES>：精准匹配起始标签
• .*?/[\s\S]*?：*?是非贪婪量词，会尽可能少地匹配字符，直到找到第一个</SERIES>就停止，不会过度匹配后续的<SERIES>段
• </SERIES>：精准匹配结束标签

内容的提问来源于stack exchange，提问作者Luis Ramon Ramirez Rodriguez