如何编写正则实现SCHEDULE文本块内的指定目标行筛选与校验

需求说明 #

从以SCHEDULE开头、END结尾的文本块中，按以下规则匹配内容：

1. 提取SCHEDULE行#后最后一段作为基础关键词，若关键词包含下划线，取下划线前的内容作为匹配前缀
2. 匹配块内同时满足以下条件的行：包含#符号、以上述匹配前缀加字母E开头、可保留原关键词下划线后的后缀内容

需求示例 #

SCHEDULE行示例 #

SCHEDULE MANAGER_XA#KGDIVAGBLR 
或
SCHEDULE MANAGER_XA#KGICROBLR_2 
或
SCHEDULE MASTERAGENTS#KGICRO741_AABB
或
SCHEDULE MANAGER_XA#/XAAA/KAAA/KGICROZZZ
或
SCHEDULE MANAGER_XA#/XAAA/KAAA/KGFLABUR_4
或
SCHEDULE MASTERAGENTS#/KA0H/KA0HM00_FACT/KA0HM00_FACT 

END

匹配效果示例 #

1. 无下划线前缀匹配

SCHEDULE行内容为SCHEDULE MANAGER_XA#/XAAA/KAAA/KGICROZZZ，提取匹配前缀为KGICROZZZ，目标匹配项为KGICROZZZE，完整文本块如下：

SCHEDULE MANAGER_XA#/XAAA/KAAA/KGICROZZZ
DESCRIPTION "Added by default."
:
S89COLENG2#/KG34/KG34G43CR3/KG34G1086
 NOP
 FOLLOWS KG34G1085

S89COLENG2#/KG34/KG34G43CR3/KGICROZZZE
 FOLLOWS KG34G493
 FOLLOWS KG34G522

S89COLENG2#/KG34/KG34G43CR3/KG34G1086
 NOP
 FOLLOWS KG34G1085

END

2. 带下划线前缀匹配

若SCHEDULE行最后一段为KGFLABUR_4，提取匹配前缀为KGFLABUR，匹配KGFLABURE或KGFLABURE_4均符合要求：

SCHEDULE MANAGER_XA#/XAAA/KAAA/KGFLABUR_4

S89COLENG2#/KG34/KG34G43CR3/KGFLABURE

或 

S89COLENG2#/KG34/KG34G43CR3/KGFLABURE_4

若SCHEDULE行末尾为KAAABBB_CCC，提取匹配前缀为KAAABBB，匹配KAAABBBE_CCC符合要求：

SCHEDULE MANAGER_XA#/XAAA/KAAA/KAAABBB_CCC
DESCRIPTION "Added by default."
:
S89COLENG2#/KG34/KG34G43CR3/KG34G1086
 NOP
 FOLLOWS KG34G1085

S89COLENG2#/KG34/KG34G43CR3/KAAABBBE_CCC
 FOLLOWS KG34G493
 FOLLOWS KG34G522

S89COLENG2#/KG34/KG34G43CR3/KG34G1086
 NOP
 FOLLOWS KG34G1085

END

正则实现方案 #

以下正则基于PCRE2引擎编写，支持反向引用和单行模式。

1. 匹配包含符合规则行的SCHEDULE块 #

(?s)SCHEDULE\s+.*#.*?(?<prefix>[^/_\n]+)(?:_\S+)?\s*\n(?:(?!END).)*?\n.*#.*?\k<prefix>E(?:_\S+)?\s*(?:\n(?!END).)*?\nEND

逻辑说明：

• 开启单行模式后先匹配SCHEDULE行，捕获#后最后一段下划线前的内容为prefix分组
• 匹配块内任意非END内容，直到遇到符合规则的目标行
• 最终匹配到块结束标识END

2. 匹配不包含符合规则行的SCHEDULE块 #

(?s)SCHEDULE\s+.*#.*?(?<prefix>[^/_\n]+)(?:_\S+)?\s*\n(?:(?!END|.*#.*?\k<prefix>E(?:_\S+)?).)*\nEND

逻辑说明：

• 匹配SCHEDULE行捕获前缀后，限定块内内容既不包含END，也不包含符合规则的目标行
• 最终匹配到块结束标识END

内容的提问来源于stack exchange，提问作者italo_pm