如何编写正则表达式将多个单词捕获到独立指定分组

问题本质 #

你当前使用的正则(category \b(\w+)\b )((\b\w+\b)+)无法拿到同分类下所有单词，是正则捕获组的默认机制导致：重复匹配的捕获组只会保留最后一次匹配的内容，最终你只会拿到每个分类下最后一个单词（orange/duck），前面的pear、beef都会被覆盖。

待匹配的目标文本如下：

category fruits pear orange
category meat beef duck

需求是将pear orange、beef duck这类同属一个分类的多个单词，捕获到独立分组中。

可用正则方案 #

方案1：支持\G锚点的引擎（PCRE、Python、Java、.NET等） #

使用连续匹配锚点\G逐个捕获分类下的条目，不会出现内容覆盖，正则写法：

(?:^category\s+(\w+)|(?!^)\G)\s+(\w+)

分组规则：

• 分组1：捕获分类名称，即fruits/meat
• 分组2：每执行一次匹配，就捕获一个当前分类下的条目，依次得到pear、orange、beef、duck，所有条目独立捕获无覆盖

匹配逻辑：

• 非捕获组分两个分支：要么匹配行首的category + 分类名作为匹配起点，要么从上一次匹配结束的位置继续向后匹配，不会跨分类串匹配
• 每次匹配自动捕获后方紧跟的一个单词到分组2，直到当前行末尾结束

方案2：不支持\G锚点的引擎（如旧版JavaScript） #

先匹配整行拿到分类名和对应所有条目的整段文本，再做简单拆分即可，正则写法：

^category\s+(\w+)\s+(.+)$

分组规则：

• 分组1：捕获分类名称
• 分组2：捕获当前分类下所有条目的整段字符串，拿到结果后用空白符\s+做分隔符拆分，就能得到独立的条目单词列表

注意事项 #

正则本身不支持单个捕获组在一次匹配中存储多个不覆盖的值，不要尝试写固定数量的捕获组适配可变长度的条目列表，要么用\G连续匹配逐个捕获，要么先抓整段内容再做拆分，两种方案都能满足需求。

内容的提问来源于stack exchange，提问作者user310291