如何用正则表达式精准提取多行元数据块并清理注释符号-php教程-PHP中文网

如何用正则表达式精准提取多行元数据块并清理注释符号

本文介绍一种健壮的正则方案，用于从多行文本中匹配 #%META 与 #%ENDS 之间的所有内容块，并自动剥离每行开头的 # 及其后空格，适用于配置文件、模板元数据等场景。

本文介绍一种健壮的正则方案，用于从多行文本中匹配 `#%meta` 与 `#%ends` 之间的所有内容块，并自动剥离每行开头的 `#` 及其后空格，适用于配置文件、模板元数据等场景。

在处理结构化注释块（如 #%META / #%ENDS 包裹的元数据）时，常见误区是依赖简单贪婪匹配或忽略换行边界，导致跨块捕获、遗漏或无法清除注释符。以下正则表达式专为精确分块 + 安全清理而设计：

^#%META((?>\R(?!#%(?:META|ENDS)$).*)+)\R#%ENDS$

该模式使用 m（multiline）标志启用行首/行尾锚点 ^ 和 $ 的逐行匹配能力，并通过原子组 (?>...) 避免回溯灾难，确保高效且稳定地捕获每个独立的 #%META–#%ENDS 区段。

关键特性解析：

^#%META：严格匹配行首的 #%META；
((?>\R(?!#%(?:META|ENDS)$).*)+)：核心捕获组，其中：
- \R 匹配任意 Unicode 换行符（兼容 \n, \r\n, \r）；
- (?!#%(?:META|ENDS)$) 否定前瞻，确保下一行不是 #%META 或 #%ENDS，从而天然隔离区块；
- .* 匹配该行剩余全部内容（含空格）；
- 原子组 (?>...) 防止引擎在失败时反复回溯，提升性能与可靠性；
\R#%ENDS$：严格匹配紧接着的换行符 + 行尾的 #%ENDS。

⚠️ 注意事项：

Preqstation

一款AI工具，主要用于将PREQSTATION编码任务委派给Claude Code、Codex CLI或Gemini CLI，采用PTY安全执行（工作目录+后台+监控），适合需要提升相关任务效率的用户。

下载

必须启用 m 标志（如 PHP 中 /.../m，Python 中 re.MULTILINE），否则 ^ 和 $ 不作用于每行；
不要使用 s（dotall）标志——此处需显式用 \R 控制换行，避免误吞 #%ENDS；
捕获内容默认包含换行符，后续需用 trim() 清理首尾空白；
清理 # 注释符推荐使用 ^#\h*（m 模式下）配合 preg_replace，\h 匹配水平空白（空格、制表符等），比 \s 更安全（避免误删行尾换行）。

完整 PHP 示例：

$re = '/^#%META((?>\R(?!#%(?:META|ENDS)$).*)+)\R#%ENDS$/m';
if (preg_match_all($re, $str, $matches)) {
    $result = array_map(function ($block) {
        return preg_replace("/^#\h*/m", "", trim($block));
    }, $matches[1]);
}
// $result 即为两个纯净元数据字符串组成的数组

该方案可无缝迁移至 Python（re.findall(re_str, text, re.MULTILINE)）、JavaScript（/.../gm + .matchAll()）等主流语言，核心逻辑一致：先精确定界，再后处理清洗——这是处理多行结构化注释最可靠、可维护性最强的实践路径。