如何使用正则表达式搜索文件中的重复段落

Question

我有一个EDI文件，其结构如下。该文件有多个记录，每个记录包含一个标题（例如EDI.DD.0000000001.20130809），然后是内容（即文本的多个段落），然后是页脚（例如报告结束/无EDI活动）。我必须使用三组使用正则表达式来读取整个文件。

我正在使用以下正则表达式来读取文件。

（？< 1header> [A-Z] {3}。[A-Z] {2}。[0-9] {10}。[0-9] {8}）| （？< 2footer> \ b（End \ sof \ sReport | No \ sEDI \ sActivity）\ b）|

（？< 3content>（？< = \ķ< 1header>）。*（？= \ķ< 2footer>））

即表达读取相应组的 “标头” 和 “页脚” 正常但没有选择“内容”组中的页眉和页脚之间的内容。

我在下面的文件中更改了页眉和页脚的字体，以帮助理解格式。 我正在使用ASP.Net 3.5框架。

感谢您的帮助提前。

// -------------------------开始EDI文件--------------- -------------------------- //

EDI.DD.0000000001.20130809

汇款人信息 公司名称：UNITED 2011三 鉴定：9024125001 原产DFI：002100002

接收机信息 收货人姓名：健康& WELLNESS DFI帐号：0000000000000001 接收DFI ID：434343430 身份证号码： 交易类型：22存款

---

汇款人信息 公司名称：BLUE CHOICE 鉴定：9024125001

报告结束

EDI.DD.0006578987.20130809

没有EDI活动

EDI.SV.0000000555。20130809

汇款人信息 公司名称：佛罗里达 的大学鉴定：A426004813 原产DFI：004200001

   TRANSACTION INFORMATION 

输入描述：vndr pymnt 入门级代码：CTX 服务类代码：ACH项混合

    REMITTANCE ADVICE ACCOUNTS 
        RECEIVABLE OPEN ITEM REFERENCE 

卖方发票号码：10016 的Pmt操作代码： 已付金额：发票的$ 800.00 金额： 金额折扣的：

报告

结束// --------------- ----------文件结尾------------------------------------- ------------- //

Answer 1

当与以下选项组合：

• .NET：Multiline，Singleline（原文如此）
• OSX/iOS的：NSRegularExpressionDotMatchesLineSeparators，NSRegularExpressionAnchorsMatchLines

尝试：

^(?<header>[A-Z]{3}.[A-Z]{2}.[0-9]{10}.[0-9]{8})$(?<content>.+?)^(?<footer>End\sof\sReport|No\sEDI\sActivity)$ 

下面是从输入日期的.NET解决方案的示范OP，通过在线.NET正则表达式测试仪regexhero.net（需要带有Silverlight的浏览器）：

http://regexhero.net/tester/?id=081cf97e-4c0b-4efb-b891-91f7cb03afb0