如何用RegEx捕获含换行符至首个指定字符的字符串并提取源串首个实例？

嘿，我来帮你搞定这个正则捕获的问题！

核心思路先理清楚 #

正则默认的.元字符是不匹配换行符（\n）的，所以要捕获包含换行的内容，必须启用DOTALL（单行）模式，让.能覆盖所有字符（包括换行）。另外，一定要用非贪婪量词（*?或+?），这样才能保证匹配到首个出现的指定终止字符集合就停，不会一路匹配到最后一个终止符。

通用正则模板 #

假设你要找的终止字符集合是XYZ（可以是单个字符、一串字符或者字符组），通用的正则结构是这样的：

(.*?)XYZ

记得配合DOTALL模式使用，不同语言里开启方式不一样：

• Python：加re.DOTALL参数，比如re.findall(r'(.*?)XYZ', 你的字符串, re.DOTALL)
• JavaScript：在正则后面加s标志，比如你的字符串.match(/(.*?)XYZ/s)
• Java：用Pattern.DOTALL常量，比如Pattern.compile("(.*?)XYZ", Pattern.DOTALL)

针对你给的源字符串实例 #

先看你的源字符串开头：

<body xmlns="http://www.w3.org/1999/xhtml" xmlns:xfa="http://www.xfa.org/schema/xfa-data/1.0/"...

场景1：捕获<text到首个>之间的内容（含换行） #

如果你的需求是抓<text标签的属性部分，直到第一个闭合的>，正则可以这么写（记得开DOTALL模式）：

<text(.*?)>

捕获结果

抓出来的内容就是：

color="#FFFF00" creationdate="D:20180307100631+04'00'" flags="print,nozoom,norotate" date="D:20180307100652+04'00'" name="a60915a3-1c23-4f6d-b8d4-fbe0dd4890e9" icon="Comment" page="7" rect="351.308000,135.732000,371.308000,153.732000" subject="Sticky Note" title="saddia" 

场景2：捕获到<contents-richtext为止 #

如果你的终止字符集合是<contents-richtext，那正则调整成这样就行：

<text(.*?)<contents-richtext

同样开DOTALL模式，就能抓到<text开头到第一个<contents-richtext之间的所有内容（哪怕中间有换行也能覆盖）。

几个要注意的坑 #

• 别用贪婪量词：如果把*?写成*，正则会一路匹配到最后一个终止符，完全不符合你要“首个”的需求。
• 一定要开DOTALL模式：不然换行符会被.忽略，遇到换行就直接停了，抓不到完整内容。
• 终止符有特殊字符要转义：如果你的终止字符集合里有+、*、(这类正则元字符，记得用\转义，比如终止符是+04'00'，要写成\+04'00'。

内容的提问来源于stack exchange，提问作者shrivallabha.redij