正则表达式捕获使用相同父标签的子组

Question

由于这些组使用相同的父标签，我在捕获多个组时遇到了一些麻烦。

数据块看起来像这样（为了便于阅读，我将行分开了，实际数据没有换行符）

<w:p w:rsidR="100"><w:r><w:p w:rsidR="250"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>
<w:p w:rsidR="500"><w:r><w:p><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>
<w:p w:rsidR="150"><w:r><w:p w:rsidR="51"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>
<w:p><w:r><w:p w:rsidR="2"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>
<w:p w:hi="150"><w:r><w:p w:hi="5"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r></w:p>

原始正则表达式由于子标记以相同的根结束标记结尾（由于惰性先行 - 这正是我们想要的，因为数据块不止一个）而死：

/(<w:p .*?>|<w:p>)(.*?)<\/w:p>/

因此它永远不会捕获以下数据："Text Group 2..."。

括号的使用将不起作用，因为子标签也是动态的，即 (<w:p .*?>|<w:p>)

否定前瞻组应该可以解决这个问题，但我一定是搞错了什么？这不会产生有效结果。

/(<w:p .*?>|<w:p>)(.*?(?!(<w:p .*?>|<w:p>).*?<\/w:p>))<\/w:p>/

使用非捕获组确实使惰性量化到最后，但它没有（显然）捕获第一部分：

(<w:p .*?>|<w:p>)((?:((<w:p .*?>|<w:p>).*?<\/w:p>)).*?)<\/w:p>

第二个捕获组所需的输出包含以下所有内容：

<w:r><w:p w:rsidR="250"><w:r><w:t>Phrase 1</w:t></w:r></w:p></w:r><w:r><w:t>Phrase 2</w:t></w:r>

请注意，这与 RegEx match open tags except XHTML self-contained tags 不同，标签在此处标识并且是常量。

Answer 1

我能够通过使用 分支重置组 ?| 来解决这个问题，它允许我结合子模式 + 通配符，同时使用惰性运算符找到尾巴。

示例：

<w:p[^>]*>((?|(<w:p[^>]*>.*?<\/w:p>)|(.))*?)<\/w:p>

正则表达式捕获使用相同父标签的子组

RegEx to capture sub group that uses the same parent tags

regex

pcre