正则表达式中的星号

Question

我正在尝试获取冒号后面的文本行部分。例如，从这段文本中：

previous usc contact name:*assistant director of field education*

agency name:*development corporation

我想获取以下内容：

assistant director of field education

1010 development corporation

我尝试了以下正则表达式。

.*:\*?(.*)\**$ 

它没有起作用。现在正在运行的是这个：

.*:\*?(.*)\*

我不明白为什么第二行没有星号也能够运行，并且正则表达式需要星号，而第一个正则表达式不能正常工作。

谢谢。

- vlr

---

“不起作用”是什么意思？你使用的是哪种语言？当我在Python中尝试您的第一个正则表达式时，它可以工作 - 唯一的问题是“.”也匹配星号。你可以通过将其更改为“[^] *”来解决这个问题。 - happydave

当我测试第一行时，它不起作用，因为您在 "$" 之后有一个尾随空格字符 - 但是如果我将其去掉，它就可以正常工作了。您的工作代码末尾是否有空格？还是只有在这个页面上有？ - TimHayes

1. $ 默认表示字符串的结尾。如果你想匹配行末，可能需要使用 MULTILINE 标志。
2. 确保正则表达式引擎能够识别转义字符。在源代码中的字符串字面量中尝试将它们加倍：'\\'。

- jfs

Answer 1

简而言之：

第二个正则表达式 .*:\*?(.*)\* 能够工作，因为： .* 匹配了前一个联系人姓名和机构名称，接着是 :\* （转义的 * 表示匹配星号）。

最后，(.*)\* 匹配一切直到最后一个星号。

（假设您在最后一行错过了星号，则会匹配以下内容：）

助理主管和开发公司。

---

第一个正则表达式失败的原因很难从给定的例子中推断出来。.*:\*?(.*)\**$ 的意思是，行尾必须是零个或多个星号（\**）。

假设您的换行符与提供的相同，它只会匹配开发公司，因为锚点 $（行尾）通常在单行模式下使用，表示“字符串结尾”。因此，正则表达式只能匹配一次。如果将修饰符改为多行模式（这意味着 $ 会匹配每个 \r\n 而不只是字符串结尾），则可以得到所需结果。

---

单行模式，匹配：

开发公司 .*:\*?(.*)\**$

正则表达式可视化

Debuggex 演示

---

多行模式匹配：

助理主管和开发公司。

开发公司 .*:\*?(.*)\**$

正则表达式可视化

Debuggex 演示

---

^ 和 $ 的行为取决于修饰符：

给定字符串：

Hello
World

在单行模式下使用^(.*)$将匹配Hello World。在多行模式下使用相同的模式将匹配两个不同的Matchgroup：Hello和World。

在单行模式下，字符串将由正则表达式引擎处理，如下所示：

^Hello
World$

在多行模式下，引擎将其线程化。

^Hello$
^World$

- dognose