如何通過正則表達式

Question

我有一些文字，它看起來像這樣刪除包含特定短語的文本塊：

12 12 obj 
<< 
Some content here 
>> 
endobj 
12 13 obj 
<< 
Some content here with a email address that contains @mail. 
>> 
endobj 
11 12 obj 
<< 
Some more content here 
>> 
endobj 

我想刪除任何文本塊，開始/d+ /d+ obj（如12 13 obj ）到它們在endobj處結束的地方，它們包含特定的字符串，在這種情況下，它將是@mail。我在尋找正確的RegEx時遇到了一些麻煩。

我能夠成功地選擇與(\d+\ \d+\ obj[\s\S]+?endobj) 見測試在這裏每個塊：https://regex101.com/r/V4WAMl/5

但我無法得到這個工作，因爲我想(\d+\ \d+\ obj[\s\S]+?@mail[\s\S]+?endobj) 看到這裏測試：https://regex101.com/r/V4WAMl/4

我有一個想法爲什麼會發生，但我不確定如何解決它。我的理論是懶惰修飾符是貪婪的，因爲它最初不匹配，所以它停在下一個匹配的匹配。我嘗試過各種排除^(?:*****)的組合，但是當我嘗試時，這些組合似乎並不匹配。

Answer 1

使用以下解決方案：

\d+ \d+ obj(?:(?!\d+ \d+ obj)[\s\S])*?@mail[\s\S]+?endobj 
      ^^^^^^^^^^^^^^^^^^^^^^^^^^^ 

見regex demo

詳細：

• \d+ \d+ obj - 1個或多個數字，空間，1+數字，obj
• (?:(?!\d+ \d+ obj)[\s\S])*? - 任何字符（[\s\S]），它不是\d+ \d+ obj序列的起點（因此，正則表達式引擎將無法溢出到下一個\d+ \d+ obj塊，您還可以添加|@mail替代負向預測，但由於使用了惰性量詞，這是沒有必要的），儘可能少（有關此結構的詳細信息，請參閱this post）
• @mail - 文字串@mail
• [\s\S]+? - 任何字符，儘可能少
• endobj - 字面子。

注意，您可以添加多改性劑和添加^（線的開始）和$（線結束）錨在必要時進行匹配更安全和更精確（demo）。