regex - Notepad++ /BOOST中的错误还是我的正则表达式中的错误？

Question

我有一个结构如下的文件:

Line
foo Änderbar: PM baz
Line

Line
foo Änderbar: OM baz
Line

Line
foo Änderbar: ++ baz
Line

Line
foo Änderbar: -- baz
Line

因此，文件由换行分隔的“块”组成(我已将文件转换为Unix行尾)。每个块可以具有任意数量的行。块的每一行至少包含一个不是换行符的字符，并以换行符结尾。分隔块的行仅由一个换行符组成。

在每个块中，只有一行符合以下格式:

至少一个不是换行符的字符，然后是

文字字符串'Änderbar: '，后跟

正好是文字字符串'++'，'--'，'OM'，'PM'之一，后跟

至少一个不是换行符的字符，然后是

换行符

在同一块中，在此特殊行上方始终至少有另一条非空行，在此特殊行之下始终至少有另一条非空行。

我需要一种有效的方法来查找(并选择) Änderbar:之后的文字为 --的所有块(查找/选择一个块，另一个，再次击中 Find Next后的每个块，即不同时选择所有这些块)。

通常，我很乐于用Notepad ++解决此类问题。但是，在那种情况下，随着年龄的增长，我似乎变得越来越愚蠢，或者Notepad ++的regex处理引擎中存在错误。

Notepad ++使用BOOST(并通过BOOST支持PCRE表达式)。由于此方法得到了广泛使用，因此我认为该问题足够重要，可以将其发布在此处，以防万一BOOST确实是行为不端的原因。

话虽如此:我将该文件加载到Notepad ++中，启动了“搜索和替换”对话框，勾选了 . matches newline，勾选了 Regular Expression，然后在 Find What:文本框中输入了以下正则表达式:

\n([^\n]+\n)+[^\n]+(Änderbar\:\ --[^\n]+\n)([^\n]+\n)+

我很惊讶这使Notepad ++表现得很奇怪:将光标放在带有 Änderbar: --的块之前的空白行中，点击 Find Next发现/选择了该块。但是当光标在另一个位置时，点击 Find Next使Notepad ++查找/选择文件的其余部分，即光标位置下方的所有块。

然后我测试了是否可以在 ++之后找到具有 Änderbar:的块，即我将正则表达式更改为

\n([^\n]+\n)+[^\n]+(Änderbar\:\ \+\+[^\n]+\n)([^\n]+\n)+

猜猜是什么:这在每种情况下都可靠地起作用。对于最后两者，情况相同:

\n([^\n]+\n)+[^\n]+(Änderbar\:\ PM[^\n]+\n)([^\n]+\n)+
\n([^\n]+\n)+[^\n]+(Änderbar\:\ OM[^\n]+\n)([^\n]+\n)+

因此，在某些情况下，Notepad ++ / PCRE似乎无法正确解释 -，或者我的regex中有一个细微的错误，该错误仅在我在各自位置搜索 --(而不是 ++， OM或 PM)时触发。

请注意，我已经尝试过将 \放在空格字符前面(这实际上只会使情况变得更糟，但是我已经尝试过以防万一)，并且我还尝试过使用 \-\-而不是 --(尽管后者应该可以)。这并没有以任何方式改变(错误)行为。

那么这是什么问题呢？我的正则表达式中是否有错误，或者记事本++中是否有错误？

更新

我已经删除了有问题的实际文件，并将其上传到 https://pastebin.com/w62E57U5。要重现该问题，请执行以下操作:

从上面的链接下载文件并将其保存在硬盘上的某个位置(请勿将文本直接复制到Notepad ++中)。

将文件加载到Notepad ++中。现在，光标在最上面的行中，并且没有任何选择。

这是必不可少的:单击编辑-> EOL转换-> Unix(LF)。

确认光标仍位于最上方的行(为空)，并且未选择任何内容。

打开“查找”对话框，选择设置，然后如上所述输入搜索字符串。

单击“查找下一个”。

注意，现在已经找到/选择了完整的文本。

使“查找”窗口保持打开状态，删除文件的第三行(读取为“Funktionspaket(e):ML”)。不要只清空该行，而是要真正删除它，以便在前一行和后一行之间没有空行。

再次将光标置于最上面的行(仍为空)中，并确保未选择任何内容。

单击“查找下一个”。

注意，正则表达式现在可以按预期运行。

显然有人在愚弄我，对吧？

Answer 1

我认为关键是:您需要以^(行的开头)开始您的正则表达式。

您原来的正则表达式变为:

^\n([^\n]+\n)+[^\n]+(Änderbar\:\ --[^\n]+\n)([^\n]+\n)+

但是您可以使用以下方法简化它:

^\R(?:.+\R)+.+Änderbar: --.+\R(?:.+(?:\R|\z))+

注意:勾选 . matches newline
哪里:

\R匹配任何类型的换行符，无需更改EOL。

\z与文件的末尾匹配，如果不使用它，则在没有换行符的情况下就无法匹配文件的最后一行。

(?:...)是一个非捕获组，效率更高(当然，如果您不需要捕获)

两者都适合您的2个样本文件。