如何捕获带编号标记间的所有内容（含换行）并提取编号？

嘿，我明白你的问题了——你写的正则之所以会出现第三组捕获到内容最后一个字符的问题，核心原因出在重复捕获组的行为逻辑上。

问题根源分析 #

你原来的正则是：

START\[(\d+)\]((.|\n|\r)*?)END\[(\d+)\]

这里的(.|\n|\r)*?是「单个字符捕获组 + 非贪婪重复量词」的组合。在大多数正则引擎里，重复的捕获组只会保留最后一次匹配的结果——也就是说，这个分组会被每次匹配到的新字符覆盖，最后只留下中间内容的最后一个字符。这就导致你原本期望捕获全部中间内容的分组（第2组）变成了单个字符，进而让你误以为第3组（END的编号）出了问题。

修正后的正则 #

要正确捕获中间的全部内容（包括换行），同时提取两边的编号，你可以用下面两种简洁的写法：

写法1：用[\s\S]匹配所有字符（推荐）

[\s\S]表示匹配所有空白和非空白字符，自然包含换行，写法更简洁直观：

START\[(\d+)\]([\s\S]*?)END\[(\d+)\]

• 第1组：START标记中的数字
• 第2组：START和END之间的所有内容（完美支持换行）
• 第3组：END标记中的数字

写法2：用非捕获组包裹换行匹配（兼容旧引擎）

如果你的正则引擎对[\s\S]支持有限，可以用非捕获组避免重复覆盖捕获组：

START\[(\d+)\]((?:.|\r?\n)*?)END\[(\d+)\]

这里的(?:.|\r?\n)是非捕获组（不会生成额外分组），外面的括号把整个中间内容打包成一个捕获组，确保能完整捕获所有内容。

进阶优化：确保START和END编号一致 #

如果你还想保证START和END的编号是相同的，可以用反向引用\1（引用第1组的内容），这样只会匹配编号一致的标记对：

START\[(\d+)\]([\s\S]*?)END\[\1\]

这种情况下，你只需要第1组（编号）和第2组（中间内容）就够了，因为两边编号完全一致。

测试验证 #

对于示例文本START[1] message to capture ...END[1]，修正后的正则会返回：

• 组1：1
• 组2： message to capture ...（如果需要去掉内容前后的空格，可以在正则里加\s*，比如START\[(\d+)\]\s*([\s\S]*?)\s*END\[(\d+)\]）
• 组3：1

内容的提问来源于stack exchange，提问作者Malick