正则表达式与背后奇怪的行为

则表达式引擎将始终为您提供字符串中最左侧的匹配项(即使您使用非贪婪量词(。这正是你得到的。

因此，一种解决方案是禁止在.*?描述的过于宽松的部分中存在另一种<HDR>。

您有两种技术可以做到这一点，您可以将.*?替换为：

(?>[^<]+|<(?!/HDR))*

或与：

(?:(?!</HDR).)*+

大多数时候，第一种技术的性能更高，但是如果您的字符串包含高密度的<，第二种方法也可以产生良好的结果。

使用所有格量词或原子组可以减少获得结果的步骤数，尤其是在子模式失败时。

例：

第一种方法：

(?<=<HDR>)(?>[^<]+|<(?!/HDR))*<DTL1'sval="3"(?>[^<]+|<(?!/HDR))*</HDR>

或此变体：

(?<=<HDR>)(?:[^<]+|<(?!/HDR|DTL1))*+<DTL1'sval="3"(?:[^<]+|<(?!/HDR))*+</HDR>

第二种方式：

(?<=<HDR>)(?:(?!</HDR).)*<DTL1'sval="3"(?:(?!</HDR).)*+</HDR>

或此变体：

(?<=<HDR>)(?:(?!</HDR|DTL1).)*+<DTL1'sval="3"(?:(?!</HDR).)*+</HDR>

Casimir et Hippolyte已经给了你几个很好的解决方案。我想详细说明几件事。

首先，为什么你的正则表达式不能做你想要的：(?<=<HDR>).*?告诉它匹配从第一个字符开始的任意数量的字符，前面是<HDR>，直到它遇到非贪婪量词(<DTL1...(后面的内容。好吧，前面的第一个字符 <HDR> 是第一个a，因此它匹配从那里开始的所有内容，直到遇到固定字符串<DTL1'sval="3"。

Casimir et Hippolyte的解决方案适用于广义情况，其中标签的内容可以是嵌套以外的任何内容。你也可以通过积极的展望来做到这一点：

(?<=<HDR>)(.(?!</HDR>))*<DTL1'sval="3".*?</HDR>

但是，如果保证字符串位于所示结构中，其中 标签仅包含一个或多个 ##"> 标签，因此您知道其中不会有任何结束标签，您可以通过将第一个.*?替换为 [^/]* 来更有效地做到这一点：

(?<=<HDR>)[^/]*<DTL1'sval="3".*?</HDR>

比零宽度断言更有效，如果使用否定字符类，贪婪量词将比惰性量词更有效。

另请注意，通过使用后视来匹配开场 ，您将它从匹配中排除，但您将包括结束。你确定这就是你想要的吗？你正在匹配这个...

<DTL1 val="3"><DTL2 val="4"></HDR>

。当大概你想要这个...

<HDR><DTL1 val="3"><DTL2 val="4"></HDR>

。或者这个...

<DTL1 val="3"><DTL2 val="4">

因此，在第一个情况下，不要对开始标记使用回溯：

<HDR>(.(?!</HDR>))*<DTL1'sval="3".*?</HDR>
<HDR>[^/]*<DTL1'sval="3".*?</HDR>

在第二种情况下，对结束标记使用前瞻：

(?<=<HDR>)(.(?!</HDR>))*<DTL1'sval="3".*?(?=</HDR>)
(?<=<HDR>)[^/]*<DTL1'sval="3".*?(?=</HDR>)