Java REGEX 捕获太多

Question

我正在尝试实现一个简单的正则表达式，它允许我在 XML 中捕获一些信息。

但是，我的 REGEX 捕获了几个标签并给了我一个很长的答案。例如，如果我有类似的东西：

<item>
<title>bla</title>
...
<description>bla</description>
</item>
<item>
<title>bla2</title>
....
<description>bla2, keyword here are blablabla</description>
</item>

但是，我使用如下的正则表达式：

<item><title>([\\p{L}\\p{N}\\W \\.\\,]*?)</title>.*?<description>[\\p{L}\\p{N} \\.\\,]keyword[\\p{L}\\p{N} \\.\\,]*</description>

标题和描述之间有标签。当我使用该正则表达式时，它会为我提供所有标签，直到它第一次找到“关键字”这个词。所以，问题出在这一行：

</title>.*?<description>

我如何告诉我的正则表达式，如果它找到的第一个描述标签没有关键字，它应该选择下一个标签并从第二个项目标签返回结果。或者，如果标题标签和描述标签之间存在结束项标签，则它不应该查找这两者之间的所有数据。

我希望我能清楚地解释自己。如果需要，请要求澄清。

编辑：

另一种解决方案：

 <item><title>([\\p{L}\\p{N}\\W \\.\\,]*?)</title>(?:(?!<item>).)*?<description>[\\p{L}\\p{N} \\.\\,]keyword[\\p{L}\\p{N} \\.\\,]*</description>

使用 (?:(?!).)* 作为负前瞻以避免在新项目中捕获字符串。

Answer 1

这个正则表达式呢？

(<item>[^<]*?<title>(?<title>[^<]*?)<\/title>([^<]|<(?!description))*<description>(?<desc>[^<]*?keyword[^<]*?)<\/description>[^<]*?<\/item>)

它匹配每个项目并捕获描述和标题。之后，您可以遍历匹配项并找到包含您的关键字的项目。

import java.util.regex.Pattern;
import java.util.regex.Matcher;
class Module1{
  public static void main(String[] asd){
      String sourcestring = "source string to match with pattern";
      Pattern re = Pattern.compile("(<item>[^<]*?<title>(?<title>[^<]*?)<\\/title>([^<]|<(?!description))*<description>(?<desc>[^<]*?keyword[^<]*?)<\\/description>[^<]*?<\\/item>)",Pattern.DOTALL);
      Matcher m = re.matcher(sourcestring);
      int mIdx = 0;
      while (m.find()){ 
          for( int groupIdx = 0; groupIdx < m.groupCount()+1; groupIdx++ ){
            System.out.println( "[" + mIdx + "][" + groupIdx + "] = " +    m.group(groupIdx));
      }
      mIdx++;
    }
  }
}

您可以在此处找到示例数据的结果：https://regex101.com/r/gA3nR4/4