如何通过正则表达式

Question

我有一些文字，它看起来像这样删除包含特定短语的文本块：

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 

我想删除任何文本块，开始/d+ /d+ obj（如12 13 obj ）到它们在endobj处结束的地方，它们包含特定的字符串，在这种情况下，它将是@mail。我在寻找正确的RegEx时遇到了一些麻烦。

我能够成功地选择与(\d+\ \d+\ obj[\s\S]+?endobj) 见测试在这里每个块：https://regex101.com/r/V4WAMl/5

但我无法得到这个工作，因为我想(\d+\ \d+\ obj[\s\S]+?@mail[\s\S]+?endobj) 看到这里测试：https://regex101.com/r/V4WAMl/4

我有一个想法为什么会发生，但我不确定如何解决它。我的理论是懒惰修饰符是贪婪的，因为它最初不匹配，所以它停在下一个匹配的匹配。我尝试过各种排除^(?:*****)的组合，但是当我尝试时，这些组合似乎并不匹配。

Answer 1

使用以下解决方案：

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

见regex demo

详细：

• \d+ \d+ obj - 1个或多个数字，空间，1+数字，obj
• (?:(?!\d+ \d+ obj)[\s\S])*? - 任何字符（[\s\S]），它不是\d+ \d+ obj序列的起点（因此，正则表达式引擎将无法溢出到下一个\d+ \d+ obj块，您还可以添加|@mail替代负向预测，但由于使用了惰性量词，这是没有必要的），尽可能少（有关此结构的详细信息，请参阅this post）
• @mail - 文字串@mail
• [\s\S]+? - 任何字符，尽可能少
• endobj - 字面子。

注意，您可以添加多改性剂和添加^（线的开始）和$（线结束）锚在必要时进行匹配更安全和更精确（demo）。