正则表达式如何移除含EXCLUDE标识行并匹配保留目标连续行

核心规则 #

• 排除标识：整行包含字符串EXCLUDE的行需要从结果中移除
• 移除排除行时，仅可连带删除该行的前导换行符或尾随换行符，不可二者同时删除
• 可选达标逻辑：仅匹配首个连续有效文本块，匹配范围截止到首次出现含EXCLUDE的行；如果全程未遇到标识行，则匹配到文档末尾

测试样例 #

原始待处理文本 #

EXCLUDE this entire line
include this line
and this as single match
and EXCLUDE this line

预期输出结果 #

include this line
and this as single match

正则实现方案 #

根据使用的正则引擎支持特性，可选择对应写法：

支持\K语法的引擎（PCRE、Python regex模块、PHP等） #

开启多行模式（m修饰符），使用如下正则即可直接拿到匹配结果：

^(?:.*EXCLUDE.*\R)*\K(?:(?!^.*EXCLUDE).*\R?)*

语法说明：

• ^(?:.*EXCLUDE.*\R)*：匹配文本开头所有连续的排除行，连带每行末尾的换行符一起匹配，符合“仅删除排除行尾随换行、不同时删除前后换行”的要求
• \K：重置匹配起始点，将前面匹配到的排除行内容从最终结果中丢弃
• (?:(?!^.*EXCLUDE).*\R?)*：逐行匹配不含EXCLUDE的内容，遇到第一行带EXCLUDE的文本立刻停止匹配，行尾可选匹配换行符，不会误删后续排除行的前导换行

不支持\K语法的引擎（JavaScript原生正则、Java等） #

开启多行模式（m修饰符），使用带捕获组的正则，提取第一个捕获组的内容即可：

/^(?:.*EXCLUDE.*[\r\n]*)*([\s\S]*?)(?=^.*EXCLUDE|$)/m

该写法逻辑和上述版本一致，通过正向预查判断停止位置，捕获组内的内容就是需要的首个连续有效文本块，经样例验证可精准返回预期的两行结果。

内容的提问来源于stack exchange，提问作者Chebz