Java正则表达式匹配以固定标签开头的多行记录

Question

以下是多行记录列表的示例，每行记录都以固定字符串标签 (LABEL) 开头:

<Irrelevant line>
...
<Irrelevant line>
LABEL ...
...
...
LABEL ...
...
...
LABEL ...
...
...
LABEL ...
...
...

是否有一个Java正则表达式可以完成上述操作并提取每条记录，即

LABEL ...
...
...

此外，这是提取这些记录的最快方法，还是逐行读取并检查字符串的开头会产生更快的结果？

Answer 1

要遍历所有 LABEL 组，请使用:

Pattern regex = Pattern.compile("(?sm)LABEL.*?(?=^LABEL|\\Z)");
Matcher regexMatcher = regex.matcher(subjectString);
while (regexMatcher.find()) {
    // the current LABEL group: regexMatcher.group()
} 

参见 the demo对于各种比赛。

解释

• (?s) 激活DOTALL 模式，允许点跨行匹配
• (?m) 打开多行模式，允许 ^ 和 $ 在每一行上匹配
• LABEL 匹配文字字符
• .*? 延迟匹配所有字符直到...
• 向前看 (?=^LABEL|\\Z) 可以断言后面是下一个 LABEL 或字符串结尾的点