正则多行模式捕获最短匹配 解决起始模式重复导致匹配过长问题

问题原因 #

你原来使用的test2(.|\n)*?test4仅实现了基础的非贪婪匹配，只会从首个匹配到的test2开始向后查找最近的test4，不会过滤中间再次出现的起始标记test2，所以会出现跨起始标记匹配的错误结果。

解决方案 #

你可以通过负向先行断言限制匹配区间内不能再次出现起始标记test2，修改后的正则如下：

test2(?:(?!test2)[\s\S])*?test4

正则逻辑说明

• [\s\S]匹配所有字符（包括换行符），比(.|\n)的写法执行效率更高
• (?!test2)是负向先行断言，要求当前位置之后不能出现字符串test2
• (?:(?!test2)[\s\S])*?表示非贪婪匹配任意字符，每匹配一个字符前都会校验后续是否出现test2，一旦遇到test2就会终止当前匹配段，自动从新的test2位置开始匹配
• 最终刚好实现「只匹配相邻的test2到test4区间，不跨起始标记」的需求

匹配效果 #

用上述正则匹配你提供的测试文本，可直接得到符合预期的两组结果：

• 第一组匹配第7行test2到第9行test4的内容
• 第二组匹配第12行test2到第14行test4的内容

如果你的正则引擎支持单行（dotAll）模式，开启s修饰符后还可以简化为：

/test2(?:(?!test2).)*?test4/s

内容的提问来源于stack exchange，提问作者Budi