正则表达式捕获重复捕获组间所有内容的实现问题（含C++ std::regex适配问题）

看起来你卡在了用正则捕获分段文本的问题上，尤其是还要适配C++的std::regex——确实不同环境的正则语法支持和行为细节差异不小，我来帮你理清楚问题出在哪，以及怎么解决。

首先先明确你的核心需求：

• 要从类似1) 文本 2) 文本...的字符串里，捕获每个数字)标记后的内容
• 最后一段内容可以跨多行，直到字符串结尾

第一步：修正正则的语法问题 #

你之前的正则有语法错误（多了一个闭合括号），正确的基础正则应该是这样的：

(?:(\d)\))([\s\S]*?)(?=\d\)|$)

我来拆解下每个部分的作用：

• (?:(\d)\))：用非捕获组包裹数字)的结构，同时把数字单独捕获到组1
• ([\s\S]*?)：用lazy匹配（*?）捕获任意字符（包括换行，[\s\S]等价于匹配所有字符），直到满足后面的预查条件
• (?=\d\)|$)：正向预查，用来判断终止位置——要么是下一个数字)标记，要么是整个字符串的结尾，这样既不会吞掉下一个分段的标记，也能让最后一段匹配到字符串结束（包括多行）

第二步：解决C++ std::regex的适配问题 #

你说这个正则在regex101能用，但在C++里不行，核心问题出在匹配方式和模式选择上：

1. 不要用std::regex_match做全局匹配

std::regex_match要求整个输入字符串完全匹配正则表达式，它只会返回一次全匹配结果，而不是遍历所有分段。你需要用std::regex_search循环查找，或者用std::sregex_iterator来自动遍历所有匹配项。

2. 不要滥用std::regex::multiline模式

multiline模式的作用是让^和$匹配每行的开头/结尾，而你需要的是$匹配整个字符串的结尾，所以这个模式反而会干扰结果，直接用默认的ECMAScript模式就好。

正确的C++代码示例 #

下面是能正常工作的代码，用来捕获所有分段内容：

#include <iostream>
#include <regex>
#include <string>

int main() {
    const std::string input = 
        "1) some text 2) some more text 3) even more text, with commas and such 4) last string that could span multiple lines\n"
        "and another line in the last segment\n"
        "one final line";

    // 注意用原始字符串字面量（R"()"）避免转义问题
    const std::regex inner_re(R"((\d)\))([\s\S]*?)(?=\d\)|$)");

    // 用sregex_iterator遍历所有匹配项
    std::sregex_iterator it(input.begin(), input.end(), inner_re);
    std::sregex_iterator end;

    for (; it != end; ++it) {
        const std::smatch& match = *it;
        std::cout << "=== 分段 " << match[1].str() << " ===" << std::endl;
        std::cout << "内容：" << match[2].str() << std::endl;
    }

    return 0;
}

额外优化：去除内容开头的冗余空格 #

如果你的分段内容开头总是跟着数字)后的空格，可以在正则里加入\s*来跳过这些空格，避免捕获到冗余的空白：

(?:(\d)\))\s*([\s\S]*?)(?=\d\)|$)

为什么你之前的代码只返回3个捕获组？ #

因为你用了std::regex_match，它会把整个输入字符串当作一次全匹配，返回的捕获组是：

1. 整个匹配的完整字符串
2. 第一个捕获的数字
3. 第一个分段的内容
   这显然不是你要的“所有分段”的结果，改用regex_search或迭代器就能解决这个问题。

内容来源于stack exchange