正则表达式：如何匹配子分组以精准提取代码注释？

嘿，这个坑我之前踩过好多次！你遇到的是正则表达式里的贪婪匹配陷阱，这也是新手用正则处理注释时最常犯的错误之一。

为什么你的正则会“跑偏”？ #

你写的\/\*(.*)\*\/里，.*是贪婪量词——它会尽可能匹配最多的字符，从第一个/*开始一路“吃”到最后一个*/才肯停下，自然就把中间的*/ using System;/*也给包进去了，结果就变成匹配一整段而非单个注释。

正确的正则写法 #

只需要把贪婪匹配改成非贪婪匹配，在.*后面加个?就行：

\/\*(.*?)\*\/

.*?会尽可能匹配最少的字符，遇到第一个*/就停止匹配，这样就能精准捕获每一个独立的注释块了。

实际使用示例（以C#为例） #

假设你的输入字符串是：

/* pierwszy */ using System;/* drugi */

用C#的正则类来匹配：

using System;
using System.Text.RegularExpressions;

var input = "/* pierwszy */ using System;/* drugi */";
var matches = Regex.Matches(input, @"\/\*(.*?)\*\/");

foreach (Match match in matches)
{
    Console.WriteLine($"整个注释块：{match.Value}");
    Console.WriteLine("注释内容：" + match.Groups[1].Value); // 这里就是你要的子分组内容
}

运行后会输出两个独立的注释，而不是一整段。

额外注意：处理带换行的注释 #

如果你的注释里包含换行符，默认的.不会匹配换行，这时候可以用两种方法解决：

1. 添加RegexOptions.Singleline选项，让.匹配所有字符（包括换行）：

var matches = Regex.Matches(input, @"\/\*(.*?)\*\/", RegexOptions.Singleline);

2. 把.*?换成[\s\S]*?，[\s\S]代表所有空白和非空白字符，也就是所有字符：

\/\*([\s\S]*?)\*\/

内容的提问来源于stack exchange，提问作者Mikołaj Waśniewski