正则表达式如何匹配STUFF与首个END/OTHER_STUFF间的内容

需求说明 #

待处理示例文本：

THINGS H X F N AB end STUFF H X4 O 9D I,8U JK(S) XD LMJIK END OTHER_STUFF ....... end

提取规则：

• 提取起始标记STUFF和后续第一个出现的end/END之间的内容
• 若未找到end/END标记，则匹配到OTHER_STUFF位置为止
• 示例目标提取结果：

H X4 O 9D I,8U JK(S) XD LMJIK

原有正则问题分析 #

你之前使用的正则：

(?:\G(?!^)|STUFF)\s+\K[a-z0-9(),]{1,16}(?=.*?end)

存在3个核心问题导致匹配不符合预期：

• 匹配字符集范围不全：字符集[a-z0-9(),]遗漏了大写字母、空格、逗号三类示例中存在的目标字符
• 终止条件无边界限制：正向预查(?=.*?end)没有限定匹配第一个出现的END，会持续向后查找直到文本末尾的end
• 缺失兜底逻辑：没有配置未找到END时匹配到OTHER_STUFF的终止规则

可用正则方案 #

推荐使用捕获组方案，兼容性最强，逻辑最清晰：

STUFF\s+(.*?)(?=\s*END\b|\s*OTHER_STUFF|$)

规则说明 #

• STUFF\s+：精准定位起始标记STUFF，同时跳过标记后跟随的空白字符
• (.*?)：非贪婪模式匹配任意字符，会在满足后续终止条件的第一时间停止匹配，不会过匹配
• (?=\s*END\b|\s*OTHER_STUFF|$)：正向零宽断言，定义三类匹配终止边界，满足任意一类即停止：
  • 遇到带任意前置空白的独立单词END（\b为单词边界，避免误匹配包含END字符的其他长词）
  • 遇到带任意前置空白的OTHER_STUFF标记（对应无END场景的兜底终止位）
  • 匹配到字符串末尾（极端场景兜底，避免匹配失败）

注：如果需要兼容大小写不同的end/END写法，给正则添加i（大小写不敏感）修饰符即可。

匹配完成后直接提取第一个捕获组的内容，即可得到目标结果。针对示例文本，该正则捕获组输出与预期完全一致。

如果需要适配你原本使用的\G连续匹配、无捕获组直接输出匹配结果的场景，可以使用以下版本：

(?:\G(?!^)|STUFF)\s+\K[A-Za-z0-9(), ](?=.*?(?:\bEND\b|OTHER_STUFF))

内容的提问来源于stack exchange，提问作者moataz