匹配多行正则表达式中的最小并发行数

Question

我正在寻找一种模式，使我能够识别由单词列表组成的文档中的文本范围。以此文为例。

property
subject
recipe
newsletter
news
match
reply
bulletin
joke
annual
greeting
accepted
puzzle
march
meeting
din
order
alert
printer
thursday
case
chicago
member

像这样的运行文本通常会出现在垃圾邮件正文的 HTML 中间。每行总是一个单词。这些词总是英文的，所以我不必担心 uff-8 字符。这些词是为了混淆贝叶斯过滤器，但它们应该很容易匹配。

我正在寻找一种连续匹配多行的方法。像这样的简单正则表达式将匹配一行：

/^\w+$/

现在，我希望能够找到至少 20 条或更多条匹配线。我怎么做？它看起来像这样吗？

/^\w+${20,}/

如有任何帮助，我们将不胜感激！

Answer 1

你很接近。您需要将表达式分组在括号内，以便量词将应用于整个表达式，而不仅仅是前一个字符。您还需要将换行符本身也放入正则表达式中。

/(^\w+$\n){20,}/

根据您使用的语言，您可能还需要添加 m（多行）修饰符，以便 ^ 和 $ 匹配开头和行尾，而不是整个输入字符串。

/(^\w+$\n){20,}/m

DEMO

匹配多行正则表达式中的最小并发行数

Match a minimum number of concurrent lines in multiline regular expression

regex

pattern-matching