正则表达式标题分组标准化：请求协助实现内容归类

核心正则表达式 #

推荐使用带单行模式的正则，确保能跨多行捕获内容：

(?s)Inclusion Criteria\s*(.*?)\s*Exclusion Criteria\s*(.*)

如果需要兼容仅存在其中一个标题的场景，可以用：

(?s)(?:Inclusion Criteria\s*(.*?)(?=\s*Exclusion Criteria|$))?(?:Exclusion Criteria\s*(.*))?

正则说明 #

• (?s)：开启单行模式，让通配符.可以匹配换行符，实现跨多行内容的捕获
• Inclusion Criteria\s*：精准匹配标题，\s*匹配标题后任意数量的空白（包括换行、空格）
• (.*?)：非贪婪捕获Inclusion Criteria下的所有内容，直到遇到Exclusion Criteria或文本结尾（针对兼容版）
• Exclusion Criteria\s*：匹配第二个标题，同样用\s*处理标题后的空白
• (.*)：贪婪捕获Exclusion Criteria下的所有剩余内容

示例演示 #

输入文本 #

Inclusion Criteria

• Age between 18 and 65
• No prior history of heart disease

Exclusion Criteria

• Pregnant or breastfeeding women
• History of allergic reactions to study drugs

捕获结果 #

• Inclusion Criteria组（第一个捕获组）：

  - Age between 18 and 65
  - No prior history of heart disease
  

• Exclusion Criteria组（第二个捕获组）：

  - Pregnant or breastfeeding women
  - History of allergic reactions to study drugs
  

原正则问题分析 #

你之前写的Inclusion Criteria\s*(.*?)\s*Exclusion Criteria|Inclusion Criteria\s*(.*)(\n\n).*$存在两个问题：

1. 未开启单行模式，.无法匹配换行，导致跨多行的内容无法被完整捕获
2. 使用分支结构|，只能单独匹配「有Inclusion和Exclusion」或「只有Inclusion」的场景，无法同时捕获两个组的内容

内容的提问来源于stack exchange，提问作者Angie