如何使用Regex正确匹配可选多行文本 实现试题题目与答案分段提取

现有正则问题 #

你当前使用的正则存在两个核心问题：

• 答案匹配规则中的[^]会匹配任意字符包括换行符，会直接吞噬多行内容，无法按单个答案拆分
• 题目匹配规则仅支持单行题目，无法适配换行的多行题目场景

优化后正则方案 #

推荐使用「单题全量匹配+分组捕获」的方案，比分开匹配分段、题目、答案准确率更高，不会出现跨题匹配的问题：

• 整题匹配正则（开启gm模式）：/^(\d+\.[\s\S]+?\?)[\r\n]+((?:[A-Z]\.[\s\S]+?(?=[\r\n]+[A-Z]\.|[\r\n]{2,}|\s*$))+)/gm
  • 第一捕获组匹配完整题目：从数字加.开头到问号结束，[\s\S]支持匹配换行，非贪婪模式适配多行题目
  • 第二捕获组匹配当前题的所有答案集合，通过正向预查判断答案边界：下一个答案开头、两道题之间的空行、文本结束位置
• 单答案匹配正则（针对上述第二捕获组的内容匹配，开启g模式）：/([A-Z])\.([\s\S]+?)(?=[\r\n]+[A-Z]\.|$)/g
  • 每个匹配结果对应一个答案，自动合并多行答案内容，匹配后仅需去除多余空格和换行即可

完整实现示例 #

以下为JavaScript实现代码，输出完全符合你要求的格式：

const examText = `1. this is a question?
A. This is an answer
B. This is an answer

2. this is a question?
A. This is an answer
B. This is an answer

3. this is a question
   multiline?
A. This is an multiline
   answer
B. This is an answer`;

const questionRegex = /^(\d+\.[\s\S]+?\?)[\r\n]+((?:[A-Z]\.[\s\S]+?(?=[\r\n]+[A-Z]\.|[\r\n]{2,}|\s*$))+)/gm;
const answerRegex = /([A-Z])\.([\s\S]+?)(?=[\r\n]+[A-Z]\.|$)/g;
const result = [];

let questionMatch;
while ((questionMatch = questionRegex.exec(examText)) !== null) {
  // 格式化题目，去除多余换行和空格
  const question = questionMatch[1].replace(/\s+/g, ' ').trim();
  const answers = [];
  // 提取当前题的所有答案
  let answerMatch;
  while ((answerMatch = answerRegex.exec(questionMatch[2])) !== null) {
    const answer = answerMatch[2].replace(/\s+/g, ' ').trim();
    answers.push(answer);
  }
  result.push({ question, answers });
}

console.log(JSON.stringify(result, null, 2));

内容的提问来源于stack exchange，提问作者Scrubster