正则表达式无法正确分离标题与标签分组的问题排查咨询

看起来你遇到的核心问题是正则里的贪婪匹配在搞鬼！让我一步步给你拆解问题所在，再给出修正方案：

原正则的问题分析 #

你写的正则：

([0-9]+)([rp][0-9]{4,})(.*)([A-Z]{2,}_?[A-Z,0-9]{2,},)

其中的(.*)是贪婪量词，它会尽可能多地匹配字符，直到后面的标签模式([A-Z]{2,}_?[A-Z,0-9]{2,},)能找到最后一个匹配项为止。这就导致它把标题后面的大部分标签都“吞”进了第三组（标题组），只把最后几个标签留给第四组，完全不符合你想要的“标题结束后全是标签”的预期。

另外，原正则的标签分组只能匹配单个标签，没法一次性捕获所有连续的标签内容，这也是一个小问题。

修正后的正则方案 #

我们需要把贪婪匹配改成非贪婪匹配，同时调整标签分组的逻辑，让它能捕获所有连续的标签：

([0-9]+)([rp][0-9]{4,})(.*?)\s*([A-Z]{2,}_?[A-Z0-9]+(?:,\s*[A-Z]{2,}_?[A-Z0-9]+)*,)

各部分的作用解释 #

• ([0-9]+)：匹配第一组数字ID，和原逻辑一致，没问题
• ([rp][0-9]{4,})：匹配第二组p/r开头的ID，同样保持原逻辑
• (.*?)\s*：把原来的贪婪.*改成非贪婪的.*?，它会匹配尽可能少的字符，直到后面的标签模式第一次出现；\s*用来吃掉标题和第一个标签之间的空格，让第三组的标题更干净
• ([A-Z]{2,}_?[A-Z0-9]+(?:,\s*[A-Z]{2,}_?[A-Z0-9]+)*,)：这个部分专门匹配所有连续的标签：
  • [A-Z]{2,}_?[A-Z0-9]+：匹配单个符合规则的标签（至少2个大写字母，可选下划线，后面跟大写字母/数字）
  • (?:,\s*[A-Z]{2,}_?[A-Z0-9]+)*：匹配“逗号+可选空格+下一个标签”的重复模式，(?:...)是非捕获组，不会生成额外的分组
  • 末尾的,匹配标签列表最后的逗号

测试结果 #

用你的输入文本测试，分组结果会完全符合预期：

1. 04040
2. p0015
3. Macro drive object / Macro DO
4. SERVO, VECTOR, HLA, SERVO_AC, VECTOR_AC, SERVO_I_AC, VECTOR_I_AC, A_INF, S_INF, R_INF, B_INF, TM31, TM15DI_DO, TM120, TM150,

备注：内容来源于stack exchange，提问作者Oblomov