Notepad++ 正则表达式：搜索可能包含换行符的长字符串答案

【问题标题】：Notepad++ regular expression: Search for long strings which could contain newlinesNotepad++ 正则表达式：搜索可能包含换行符的长字符串
【发布时间】：2017-08-11 09:02:03
【问题描述】：

给定一个包含 100000 多条日志消息的文件，例如：

2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] connectorStatus:   Pending
2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] context:   <DataItem type="System.Availability.StateData" time="2017-08-04T01:10:59.9525690+02:00"><ManagementGroupId>{05120214-5C27-A4EE-D32B-09CB2239421C}</ManagementGroupId><Property Name="Details" VariantType="8">There are 1 messages attached



03.08.2017 21:00:12

Title: Mail sync issue



User Impact: Users are unable to sync emails using Apple Mail on their Mac computers.

</Property></DataItem>
2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] context_ManagementGroupId: {05120214-5C27-A4EE-D32B-09CB2239421C}
2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] context:   null
2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] context_HealthServiceId:   390382B5-C177-0529-DDC0-F2969F667E49

每条日志消息都从一个以时间戳开始的新行开始。但是有些日志消息会延伸到多行；在上面的示例中，请参见包含“上下文：”的第二行，然后是一些嵌入了多个换行符的任意 xml。因此，在上面的示例中，恰好有 5 条日志消息。

我正在寻找很长的日志消息，比如超过 15000 个字符。

我可以使用 Notepad++ 单步执行所有相关的日志消息来搜索此模式（选择“.matches newline”选项）：

context:(.+?)2017-0\d-\d\dT\d\d:\d\d:\d\d:

但我没有说明它只会给我长的。

我希望以下方法可以工作，但没有运气（它选择了整个文件）：

context:(.+?){15000,}2017-0\d-\d\dT\d\d:\d\d:\d\d:

如果 Notepad++ 无法做到这一点，我也愿意使用其他工具，包括 linux 机器上的命令行。

没有必要，但如果容易的话：
搜索与我解释的相同的内容，并将整个 xml 字符串替换为其长度（字符数）。

【问题讨论】：

尝试(?s)context:(?:(?!2017-0\d-\d\dT\d\d:\d\d:\d\d:).){350,} 并将350 调整到您的阈值。
Wiktor，你真是个天才 :-) 也许你能解释一下这是怎么回事？
我添加了一个带有一点解释的答案。

标签： regex notepad++ newline multiline

【解决方案1】：

你可以使用

(?s)context:(?:(?!2017-0\d-\d\dT\d\d:\d\d:\d\d:).){350,}

说明：

(?s) - 开启 DOTALL 模式（与 . 匹配启用换行符相同）
context: - 文字子串
(?:(?!2017-0\d-\d\dT\d\d:\d\d:\d\d:).){350,} - 不以 2017-0\d-\d\dT\d\d:\d\d:\d\d: 子模式开始序列的任何字符 (.) 出现 350 次或更多 ({350,})。

(?:(?!).)* 是所谓的greedy tempered token。

根据需要调整限制量词的最小阈值。

【讨论】：