regex excluent correspondance de la capture

Question

.Net en utilisant l'expression rationnelle

Je vais avoir un ensemble de données qui vient dans quelque chose comme ça

< Bunch o' Data Here > 

où < est juste l'indicateur d'un nouvel enregistrement et > est la fin de l'enregistrement.

ces documents peuvent venir comme ça

< Dataset 1><Dataset 2 broken, no closing tag <dataset 3> 

ils pourraient aussi venir comme

< Dataset 1>Dataset 2 broken, no opening tag ><dataset 3> 

bien, je ne suis pas certain que ce dernier cas est possible, et je traverserai ce pont quand je dois.

J'essaie d'utiliser Regex pour diviser ceux-ci dans des dossiers en fonction de ce caractère de début et de fin, en fin de compte quelque chose comme ça

Match 1 = < Dataset 1> 
Match 2 = <Dataset 2 broken, no closing tag 
Match 3 = <Dataset 3> 

J'essaie de comprendre comment les groupes non-capture travail et Peut-être que ma compréhension est fausse.

<.*?(?:<|>) 

me obtient assez proche, je pense, sauf qu'il comprend le caractère d'ouverture de la 3ème série de données avec la capture du deuxième groupe. Je soupçonne également que ?: ne fait pas ce dont il a besoin et s'il le sort, il renvoie le même ensemble de correspondances (2).

Answer 1

Je pense que je l'ai trouvé une solution plus simple

\<.*?(\>|(?=\<)|$) 

semble fonctionner. J'ai échappé aux <> marques de cohérence

EDIT: Ajout $ pour permettre un terminé à la fin de chaîne

Answer 2

Il semble que vous l'ayez retourné. Vous voudrez utiliser ?: pour ne pas capturer un groupe, pas :?.

<.*?(?:<|>) 

Pour développer un peu: l'opérateur ? au sein d'un groupe de capture signifie que vous voulez faire quelque chose de spécial. Un : signifie ne pas capturer, mais il existe d'autres opérandes que vous pouvez donner au ? afin d'effectuer d'autres actions. Les plus courants sont anticipés (?=) et look-behind (?<), mais il y en a beaucoup d'autres.

Je viens également de réaliser la portée de ce que vous essayez de faire correspondre (au-delà du problème de non-capture). La langue des parens/brackets/etc appariés n'est pas régulière, donc - en supposant que je comprenne bien votre but - vous auriez besoin de créer une expression rationnelle étendue assez élaborée pour correspondre à ce que vous voulez. Il y a quelques autres questions SO à ce sujet, y compris this one qui a une discussion à ce sujet.

Answer 3

Que diriez-vous de quelque chose de simple comme ceci: < [^ <>] +> | [^ <>] +> | < [^ <>] +

Answer 4

Je pense que ce que vous cherchez est un préanalyse, pas un groupe non-capture. Mais changer simplement votre :? (sic) en ?= ne fera pas fonctionner correctement l'expression rationnelle.S'il n'y a jamais de texte entre une fermeture > et la prochaine <, essayez ceci:

<?[^<>]+>?(?=(?:<|$)) 

Il fonctionne si la fermeture > est manquant, mais pas si l'ouverture < est manquante.