正则匹配结果出现多余换行符分组的原因及解决建议

嗨，我来帮你搞明白这个问题～

你现在想要匹配字符串里start和end之间的内容，用了正则/start((.|\n)*)end/m，结果发现output[2]是个换行符，疑惑它的来源对吧？

原因解析 #

你的正则里((.|\n)*)包含了两层捕获组：外层的(...)是捕获组1，用来包裹你真正想要的中间内容；而里面的(.|\n)是捕获组2。

正则里的捕获组如果处于重复匹配（比如*、+这类量词）内部时，它不会保存每次匹配的结果，只会保留最后一次匹配到的内容。这里(.|\n)*会逐个匹配start到end之间的每一个字符（包括换行），每匹配一个字符，捕获组2就会更新一次，最后一次匹配到的就是end前面的那个换行符，所以output[2]就变成了这个换行啦。

解决建议 #

给你两个简单的改进方案：

• 方案一：使用非捕获组
  把内部的(.|\n)改成非捕获组(?:.|\n)，非捕获组不会生成额外的匹配项，只会用来分组匹配规则。修改后的正则是：

  const output = test.match(/start((?:.|\n)*)end/m);
  

  这样output里就只有output[0]（整个匹配的完整字符串）和output[1]（你需要的中间内容），不会再出现多余的output[2]。

• 方案二：更简洁高效的写法
  用[\s\S]代替(.|\n)，[\s\S]可以匹配所有字符（包括换行符），比(.|\n)更简洁。如果你的字符串里可能有多个end，可以加上非贪婪量词*?，避免匹配到最后一个end。修改后的正则是：

  const output = test.match(/start([\s\S]*?)end/);
  

  这个写法不仅不会生成多余捕获组，匹配效率也更高，还能精准匹配到最近的end。

备注：内容来源于stack exchange，提问作者Jeanluca Scaljeri