如何使用正则表达式捕获多行重复分组解析带时间戳前缀的日志

解决方案 #

你写的正则存在两个核心问题：

1. 正向预查规则只匹配下一个时间戳前缀，没有覆盖到「文本结束」的边界，所以最后一个日志条目始终无法触发匹配终止条件
2. 没有启用多行模式，^锚点只会匹配整个文本的开头，不会识别后续日志的行首位置

可用正则表达式

^(\d{2}-\d{2}-\d{4} \d{2}:\d{2}:\d{2}) -([\s\S]*?)(?=\n?^\d{2}-\d{2}-\d{4}|\Z)

规则说明

• 开启RegexOption.MULTILINE选项，让^可以匹配每一行的行首位置
• 正向预查(?=\n?^\d{2}-\d{2}-\d{4}|\Z)同时覆盖两种终止场景：
  • 下一行开头出现符合格式的新时间戳（前面的\n?用来过滤两条日志之间的空行，不需要过滤可以删除）
  • 已经扫描到整个文本的末尾\Z
• 非贪婪匹配[\s\S]*?保证不会跨日志条目吞噬内容

Kotlin 调用示例

val logContent = """
28-03-2020 23:00:00 - This
is
line
1

28-03-2021 14:23:15 - This
is
line
2
""".trimIndent()

val logRegex = Regex(
    pattern = "^(\\d{2}-\\d{2}-\\d{4} \\d{2}:\\d{2}:\\d{2}) -([\\s\\S]*?)(?=\\n?^\\d{2}-\\d{2}-\\d{4}|\\Z)",
    options = RegexOption.MULTILINE
)

logRegex.findAll(logContent).forEachIndexed { index, match ->
    println("匹配${index + 1}")
    println("分组1: ${match.groupValues[1]}")
    println("分组2: ${match.groupValues[2]}")
}

运行后会完全输出你期望的分组结果。

内容的提问来源于stack exchange，提问作者Lex Luthor