正则表达式以重复模式捕获每个组的第一次出现

Question

假设我有以下文本：

Name: John Doe\tAddress: Street 123 ABC\tCity: MyCity

我有一个正则表达式（有点复杂，但归结为这个）：

^(?:(?:(?:Name: (.+?))|(?:Address: (.+?))|(?:City: (.+?)))\t*)+$

它具有三个捕获组，可以捕获名称、地址和城市的值（如果它们出现在文本中）。更多示例如下：https://regex101.com/r/37nemH/6。 EDIT 事先没有固定顺序，也可能出现字段not以\t 字符分隔的情况。

现在这一切都很好，我唯一的小问题是当一个字段在同一文本中出现两次时，如我在 regex101 上放置的最后一个示例所示：

Name: John Doe\tAddress: Street 123 ABC\tCity: MyCity\tAddress: Other Address

我想要的是让第二个捕获组匹配第一个地址，即Street 123 ABC，最好让第二个匹配项在“City”组内匹配，即 p>

1: John Doe
2: Street 123 ABC
3: MyCity\tAddress: Other Address

从概念上讲，我尝试用消极的后视来做到这一点，例如将(?:Address: (.+?)) 替换为(?:(?<!.*Address: )Address: (.+?))，即确保Address: 匹配没有被另一个Address: 标记在文本中的某处进行。但是，消极的后视不允许任意长度，所以这显然是行不通的。

这可以使用正则表达式实现吗？如何实现？

Answer 1

如果词序可以是任意的，并且可以缺少部分或全部项目，则使用 3 个单独的模式来提取所需的位会容易得多。

姓名 (demo)：

^.*?Name:\s*(.*?)(?=\s*(?:Name:|Address:|City:|$))

城市 (demo)：

^.*?City:\s*(.*?)(?=\s*(?:Name:|Address:|City:|$))

地址 (demo)：

^.*?Address:\s*(.*?)(?=\s*(?:Name:|Address:|City:|$))

详情

• ^ - 字符串开头
• .*? - 除换行符以外的任何 0+ 字符，尽可能少
• Address: - 一个关键字停下来寻找预期的匹配
• \s* - 0+ 个空格
• (.*?) - 第 1 组：除换行符之外的任何 0+ 个字符，尽可能少...
• (?=\s*(?:Name:|Address:|City:|$)) - 最多但不包括 0 个或多个空格，后跟 Name:、Address:、City: 或字符串结尾。

Answer 2

对于您陈述的问题，您可以将此正则表达式与条件构造一起使用：

^.*?(?:(?:Name: (.+?)|(Address: )(.+?)|City: ((?(2).*?Address: )*.+?))\t*)+$

RegEx Demo

您的值在捕获的组 1、3、4 中可用。

捕获组 2 用于文字标签 "Address: "。

这里，(?(2).*?Address: )* 是一个条件构造，这意味着如果捕获的第 2 组存在，则在第 4 组中匹配文本，直到找到下一个 Address:（此匹配的 0 个或多个）。

对于文本Name: John Doe Address: Street 123 ABC City: MyCity Address: Second address，它将具有以下匹配项：

Group 1.    169-177 `John Doe`
Group 2.    178-187 `Address: `
Group 3.    187-201 `Street 123 ABC`
Group 4.    210-240 `MyCity Address: Second address`