如何编写正则匹配单行中多格式包裹的时间戳及对应后续文本

问题背景 #

我有一个逐行存储的文本文件，每行开头位置必有一个时间戳，行内中间位置也可能包含其他时间戳。其中开头的时间戳固定使用[]包裹，行中间的时间戳固定使用<>包裹。我需要编写正则表达式，将每个时间戳和其后续的对应文本分别捕获为分组，目前尝试多个写法都没有达到预期效果。

文本示例 #

[00:22.88]Lorem <11:53.82>ipsum dolor sit amet, consectetur <98:23.52>adipiscing elit
[00:34.08]eiusmod <00:42.52>tempor incididunt ut <10:67.58>labore et dolore

注：正则每次仅处理单行文本，无需跨行匹配，仅需兼容匹配行尾换行符或文件结束符即可。

期望输出（单行匹配结果示例） #

[('00:22.88', 'Lorem '), ('11:53.82', 'ipsum dolor sit amet, consectetur '), ('98:23.52', 'adipiscing elit')]

已尝试的错误写法 #

• 仅能匹配首个时间戳的写法：

\[(\d{2}:\d{2}.\d{2})\]\s*(.+)

• 尝试用|匹配两种包裹符号的错误写法：

\[|<(\d{2}:\d{2}.\d{2})\]|>(.+)

• 尝试匹配时间戳之间内容的错误写法：

\[(\d{2}:\d{2}.\d{2})\]\s*<([0-9]+:[0-9.]*)>\s*(.+)\s*

可行解决方案 #

正确正则表达式 #

(?:\[|<)(\d{2}:\d{2}\.\d{2})(?:\]|>)([^[<]*)

规则说明 #

• (?:\[|<)：非捕获组，匹配时间戳的左边界[或<，不占用捕获分组名额
• (\d{2}:\d{2}\.\d{2})：捕获分组1，精准匹配时间戳内容，其中.需转义避免匹配任意字符
• (?:\]|>)：非捕获组，匹配时间戳的右边界]或>
• ([^[<]*)：捕获分组2，匹配当前时间戳之后、下一个时间戳之前的所有内容，通过排除[和<两个时间戳起始符号自动截断到下一个匹配节点

使用方法 #

开启正则全局匹配（g标志），对单行文本执行匹配后，依次提取每个匹配结果的第1、2个捕获分组，即可得到预期的时间戳+对应文本的配对结果。

内容的提问来源于stack exchange，提问作者tralph3