regex - Notepad++ 正则表达式: Search for long strings which could contain newlines

Question

给定一个包含 100000 多条日志消息的文件，例如:

2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] connectorStatus:   Pending
2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] context:   <DataItem type="System.Availability.StateData" time="2017-08-04T01:10:59.9525690+02:00"><ManagementGroupId>{05120214-5C27-A4EE-D32B-09CB2239421C}</ManagementGroupId><Property Name="Details" VariantType="8">There are 1 messages attached



03.08.2017 21:00:12

Title: Mail sync issue



User Impact: Users are unable to sync emails using Apple Mail on their Mac computers.

</Property></DataItem>
2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] context_ManagementGroupId: {05120214-5C27-A4EE-D32B-09CB2239421C}
2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] context:   null
2017-08-10T14:49:09: Debug: D-UNK-000-000: [Event Processor] context_HealthServiceId:   390382B5-C177-0529-DDC0-F2969F667E49

每条日志消息都在一个以时间戳开头的新行开始。但是一些日志消息跨越多行；在上面的示例中，看到包含“上下文:”的第二行，然后是一些嵌入了多个换行符的任意 xml。因此，在上面的示例中，正好有 5 条日志消息。

我正在寻找很长的日志消息，比如超过 15000 个字符。

我可以使用 Notepad++ 搜索此模式(选择选项“。匹配换行符”)逐步浏览所有相关日志消息:

context:(.+?)2017-0\d-\d\dT\d\d:\d\d:\d\d:

但我没有扩展它只会给我长的。

我希望下面的代码可以工作，但运气不好(它选择了整个文件):

context:(.+?){15000,}2017-0\d-\d\dT\d\d:\d\d:\d\d:

---

如果用 Notepad++ 做不到，我也愿意使用其他工具，包括 linux box 上的命令行。

---

没有必要，但如果容易的话:
搜索我已经解释过的相同内容，并用它的长度(字符数)替换整个 xml 字符串。

Answer 1

你可以使用

(?s)context:(?:(?!2017-0\d-\d\dT\d\d:\d\d:\d\d:).){350,}

解释:

• (?s) - DOTALL 模式开启(与 相同。 匹配启用的换行符)
• context: - 文字子串
• (?:(?!2017-0\d-\d\dT\d\d:\d\d:\d\d:).){350,} - 350不开始 2017-0\d-\d\dT 序列的任何字符 (.) 或多次出现 ({350,})\d\d:\d\d:\d\d: 子模式。

(?:(?!).)* 是所谓的 greedy tempered token .

根据需要调整限制量词的最小阈值。