如何用正则表达式提取RST新闻文件中的变更级别与文本

核心解决方向 #

要匹配带多行内容、含星号的变更文本，同时解决贪婪匹配的问题，关键是精准界定匹配的结束边界，搭配合适的正则模式调整。

实操方案 #

先假设你的RST文件中变更项是类似如下的格式：

新增: 支持多行文本的正则提取
这是第二行的续行内容
修复: 修复星号导致的匹配中断问题

可用正则表达式 #

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

必须开启多行模式（MULTILINE）和单行模式（DOTALL/SINGLELINE），各部分作用说明：

• ^(\*\*[^\*]+\*\*): 匹配开头的变更级别（比如新增、修复这类双星号包裹的标识），捕获为第一个分组
• :\s*: 匹配冒号及后续的空白字符（包括换行）
• (.*?): 非贪婪模式匹配变更文本，DOTALL模式下.会匹配换行符，完美支持多行内容；非贪婪特性避免过度匹配到下一个变更项
• (?=\n^(\*\*[^\*]+\*\*):|\Z): 正向预查边界，当匹配到下一个变更级别开头或者文本末尾时立即停止，精准划分每个变更项的范围

灵活调整建议 #

• 如果你的变更级别不是双星号包裹格式（比如- 新增:），直接修改第一个分组的匹配规则即可
• 若RST中变更文本有固定缩进（比如4个空格），可以把边界预查规则细化为(?=\n^(?! )|\Z)，避免误把续行识别为新的变更项

测试效果示例 #

输入RST内容：

新增: 支持多行文本的正则提取
解决了贪婪匹配的老问题
修复: 修复星号导致的匹配中断
优化了边界识别逻辑

开启指定模式后，会捕获到两组有效结果：

1. 分组1：**新增**，分组2：支持*多行文本*的正则提取\n解决了贪婪匹配的老问题
2. 分组1：**修复**，分组2：修复星号导致的匹配中断\n优化了边界识别逻辑

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