regex - 捕获每组的所有文本

Question

我有一些看起来像这样的数据:

DEC 12, 2020
incoming 192.168.0.5 10:30
outgoing 192.168.0.5 13:23
DEC 13, 2020
incoming 192.168.0.6 09:34
outgoing 192.168.0.6 14:12

我正在尝试将日期和该日期的所有数据放入一个分组中，如下所示:

First match
Group 1 - DEC 12, 2020
Group 2 - incoming 192.168.0.5 10:30
          outgoing 192.168.0.5 13:23

Second match
Group 1 - DEC 13, 2020
Group 2 - incoming 192.168.0.6 09:34
          outgoing 192.168.0.6 14:12

我试过这个正则表达式:

^([A-Z] \d+, \d{4})(.*)

问题是，它一直读到最后，而不是像这样在下一场比赛(2020 年 12 月 13 日)停止:

Group 1 - DEC 12, 2020
Group 2 - incoming 192.168.0.5 10:30
          outgoing 192.168.0.5 13:23
          DEC 13, 2020
          incoming 192.168.0.6 09:34
          outgoing 192.168.0.6 14:12

如果我添加 ?像这样:

^([A-Z] \d+, \d{4})(.*?)

我只得到日期。

First Match
Group 1 - DEC 12, 2020
Group 2 - white space

Second Match
Group 1 - DEC 13, 2020
Group 2 - white space

有人可以告诉我我缺少什么吗？我怎样才能让它在下一场比赛而不是行尾或文本结束时停止？所有行的末尾都有一个 CRLF。谢谢。

Answer 1

你可以使用

(?m)^([A-Z]{3} \d+, \d{4})((?:\r?\n(?![A-Z]{3} \d).*)*)

参见 regex demo . 详细信息:

• (?m) - RegexOptions.Multiline 内联选项
• ^ - 行首
• ([A-Z]{3}\d+,\d{4}) - 第 1 组:三个大写 ASCII 字母、空格、一个或多个数字、一个逗号、一个空格，然后是四个位数
• ((?:\r?\n(?![A-Z]{3}\d).*)*) - 第 2 组:零次或多次出现
  • \r?\n - 仅 CRLF 或 LF 换行序列...
  • (?![A-Z]{3}\d) - 后面没有紧跟三个大写 ASCII 字母、空格、数字
  • .* - 该行的其余部分。

输出: