如何在Java中使用正则表达式捕获多行模式？

Question

我有一个文本文件，需要使用正则表达式进行解析。我需要捕获的文本是多行分组的，就像这样：

truck
zDoug
Doug's house
[phone]
[e-mail]
30
61234.56
8/10/2003

vehicle
eRob
Rob's house
[phone]
[e-mail]

对于这个例子，我需要捕获“truck”以及接下来的七行。换句话说，在这个“块”中，我有8组。这是我的尝试，但它无法捕获下一行：

(truck)\n(\w).

注意：在将正则表达式移植到Java之前，我使用程序RegExr进行测试。

- lampShade

---

如果您需要逐行读取输入，这与正则表达式有什么关系？ - Nikita Rybak

@nikita 因为我想要形成包含换行符的组。 - lampShade

Answer 1

(?m)^truck(?:(?:\r\n|[\r\n]).+$)*

这假设整个文本已经被读入单个字符串中（即，您不是逐行读取文件），但它并不假定行分隔符总是\n，就像您的代码一样。最少应该允许\r\n和\r，这就是(?:\r\n|[\r\n])所做的。但它仍然只匹配一个分隔符，因此匹配会在块末尾的双行分隔符之前停止。

一旦匹配了一块数据，您就可以根据行分隔符将其拆分为单独的行。以下是一个示例：

Pattern p0 = Pattern.compile("(?m)^truck(?:(?:\r\n|[\r\n]).+$)*");
Matcher m = p0.matcher(data);
while (m.find())
{
  String fullMatch = m.group();
  int n = 0;
  for (String s : fullMatch.split("\r\n|[\r\n]"))
  {
    System.out.printf("line %d: %s%n", n++, s);
  }
}

输出：

第0行：卡车
第1行：zDoug
第2行：道格的房子
第3行：[phone]
第4行：[e-mail]
第5行：30
第6行：61234.56
第7行：2003年8月10日

我还假设每行数据至少包含一个字符，并且数据块之间的空白行确实是空白的--即没有空格、制表符或其他不可见字符。

（顺便说一句：要在RegExr中测试该正则表达式，请删除(?m)并选中multiline框。 RegExr由ActionScript驱动，因此规则略有不同。 要使用Java驱动的正则表达式测试器，请查看RegexPlanet。）

- Alan Moore

Answer 2

这个模式应该有效： ((.*|\n)*)

- Sergei Krivonos

Answer 3

我认为为了跨越多行，您的模式应该在DOTALL模式下编译，就像这样：

Pattern p = Pattern.compile("truck\\n(.*\\n){7}", Pattern.DOTALL);

- mazaneicha

---

这个正则表达式如果不使用DOTALL标志会更接近正确。因为现在的.*会一开始就匹配整个文档的剩余部分。虽然它可能会回溯一点，但仍然会匹配到最后一个换行符之前的所有内容。 - Alan Moore

啊，贪心！ :-) 在最后漏了一个“？”号... 非常感谢您指出来！ - mazaneicha

不需要使量词变得非贪婪。只需去掉“DOTALL”标志，点号就不再匹配换行符。 - Alan Moore