匹配以任意数量的空格开头后跟一个字符的*连续*行答案

【问题标题】：Matching *consecutive* lines that begin with an arbitrary amount of whitespace followed by a character匹配以任意数量的空格开头后跟一个字符的*连续*行
【发布时间】：2014-03-06 22:06:23
【问题描述】：

我正在尝试匹配连续行，这些行以任意数量的空格开头，后跟字符|。我正在使用s 标志，以便. 匹配换行符。

到目前为止，我在| 之前使用有限数量的空格。

我在确定达到不符合要求的行的部分遇到问题。出于某种原因，\n\s*[^\|] 不能解决问题。我现在正在做的事情如下：

(?P<terminating>
    \n(             # when newline is encountered...
        [^\|\s]         #   check if next character is not: (| or space)
        |
        [\s][^\|\s]     #   check if next characters are not: space + (| or space)
        |
        [\s][\s][^\|\s] #   check if next characters are not: space + space + (| or space)... And so on....
    )
    |
    $
)

这显然只适用于两个空格。我想让这项工作适用于任意数量的空间。我研究了递归，但在这种情况下，这似乎是一把很重的枪。现在是我的问题：为什么\n\s*[^\|] 不起作用，是否有另一种无需递归的方式解决此问题？

下面是一个输入示例以及我想要得到的匹配结果：

输入字符串：

Lorem ipsum dolor sit amet, 
consectetur adipisicing 
elit, 
|sed do 
        |eiusmod tempor incididunt 
     |ut labore et dolore magna aliqua.
Ut enim ad minim veniam, 
quis nostrud exercitation 
ullamco laboris nisi ut 
aliquip ex ea commodo consequat.

输出是一个包含内容的字符串：

|sed do\n        |eiusmod tempor incididunt\n     |ut labore et dolore magna aliqua.

我不想要三个匹配，每行包含|。

【问题讨论】：

标签： regex recursive-regex

【解决方案1】：

如果您使用的是 PHP，应该这样做：

(?m)^\h*\|.*(?:\R\h*\|.*)*

一些兴趣点：

\h 匹配水平空格，表示空格和制表符
\R 匹配行分隔符，无论是\n、\r\n 还是\r
(?m) 开启多行模式，允许^ 匹配行首
单行/DOTALL 模式未设置，因为我们希望.* 停止在行尾。
我从不使用 \s，因为它匹配任何空白字符，包括空格、制表符、回车符 (\r) 和换行符 (\n)。如果您只想找到可能跨越多行的匹配项，可以在单行模式下使用\s 或.。但是这个任务涉及根据它们相对于行首的位置来匹配事物。如果您明确匹配不同类型的空白字符，这将更容易做到。

如果您使用 Python，\h 和 \R 速记将不起作用，因此您必须更加详细：

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

注意[\r\n]+ 也会匹配空行；如果您想确保行之间只有一个行分隔符，请改用：

(?m)^[ \t]*\|.*(?:(?:\r\n|[\r\n])[ \t]*\|.*)*

【讨论】：

【解决方案2】：

你可以试试这个不带 s 修饰符的模式：

(?:(?:^|(?<=\n))[^\S\r\n]*\|.*(?:\r?\n|$)?)+

【讨论】：

@DudeOnRock：此模式仅匹配以数量不足的空格开头后跟管道的连续行。由于点（默认情况下）与换行符不匹配，因此您无法在整个匹配中获得几行不以空格和管道开头的行。 \n\s*[^\|] 不起作用，因为它是错误的模式，仅此而已。我不能告诉你它错误的原因，因为这种模式对我来说毫无意义（我无法说出你想用它做什么）
@DudeOnRock：您可以通过添加您正在使用的语言来帮助您获得更相关的答案。
@DudeOnRock：为您感到高兴，请发布您的解决方案作为您自己问题的答案（面向未来的读者）。

【解决方案3】：

我自己解决了。我想我必须从我要排除的字符组中排除空格：

n\s*[^\|\s]

不太清楚为什么会这样，我偶然发现了这个。如果有人能解释这背后的原因，我将不胜感激。

现在的完整表达如下：

'/
    (?:
        (^|\n)\s*\|
    )
    (?P<main>
        .*?
    )
    (?=
        \n\s*[^\|\s]
        |
        $
    )
/sx'

【讨论】：

【解决方案4】：

对于那些使用 perl 的人，您可以使用以下代码。我相信它会更好。如果有人可以帮助我增强代码，我会很高兴了解

my $Str = "Lorem ipsum dolor sit amet,
consectetur adipisicing
elit,
|sed do
        |eiusmod tempor incididunt
     |ut labore et dolore magna aliqua.
Ut enim ad minim veniam,
quis nostrud exercitation
ullamco laboris nisi ut
aliquip ex ea commodo consequat.";
@lLine = split('\n', $Str);
foreach $lLine (@lLine) {
    if($lLine =~ /^[\s\|]+.*$/) {
        $ReturnStr .= $lLine;
    }
}

输出是： |sed do |eiusmod tempor incididunt |ut laboure et dolore magna aliqua。

【讨论】：