Tcl regexp未返回所有匹配项

我正在读一个文件，内容如下：

 Aug2017:
 --------------------------------------
   Name   Age   Phone
 --------------------------------------
   Jack   25    128736372
   Peter  26    987840392
 --------------------------------------
 Sep2017:
 --------------------------------------
   Name   Age   Phone
 --------------------------------------
   Jared  21    874892032
   Eric   24    847938427
 --------------------------------------

所以我想提取每条虚线之间的信息，并将它们放入一个列表中。假设

$data

包含文件内容，我将使用下面的tcl regexp来提取信息：

regexp -all -inline -- {\s+\-{2,}\s+(.*?)\s+\-{2,}\s+} $data

据我所知，返回的匹配结果将存储为包含

fullMatch

和

subMatch

的列表

llength $data
2

我用

llength

命令再次检查，只有一个

fullMatch

和

subMatch

llength $data
2

为什么只有1个子匹配？应该有5个匹配项，如下所示：

 Aug2017:
 --------------------------------------
   Name   Age   Phone       --> 1st Match
 --------------------------------------
   Jack   25    128736372
   Peter  26    987840392   --> 2nd Match
 --------------------------------------
 Sep2017:                   --> 3rd Match
 --------------------------------------
   Name   Age   Phone       --> 4th Match
 --------------------------------------
   Jared  21    874892032    
   Eric   24    847938427   --> 5th Match
 --------------------------------------

因此，在本例中，我使用

lindex

选择第二个列表元素（

subMatch

）

lindex [regexp -all -inline -- {\s+\-{2,}\s+(.*?)\s+\-{2,}\s+} $data] 1

但是我得到的结果是这样的，似乎从内容的开始和结束都是匹配的：

  Name   Age   Phone
 --------------------------------------
  Jack   25    128736372
  Peter  26    987840392
 --------------------------------------
 Sep2017:
 --------------------------------------
  Name   Age   Phone
 --------------------------------------
  Jared  21    874892032
  Eric   24    847938427

我的印象是regexp应该从字符串的开头开始匹配，并按顺序匹配到字符串的结尾，不知道为什么tcl regex会这样？我错过什么了吗

**这里我想实现的主要功能是提取虚线分隔符之间的数据，上面的数据只是一个示例

预期结果：包含所有匹配项的列表

{ {Name   Age   Phone}      -->1st match 
  {Jack   25    128736372
   Peter  26    987840392}  -->2nd match
  {Sep2017:}                -->3rd match
  {Name   Age   Phone}      -->4th match
  {Jared  21    874892032
   Eric   24    847938427}  -->5th match
}

更新： 我对我的tcl正则表达式做了如下细微的更改，以包括前瞻性和@glenn的建议：

regexp -all -inline -expanded -- {\s+?-{2,}\s+?(.*?)(?=\s+?-{2,}\s+?)} $data

我得到的结果（10个子匹配）：

---

这非常接近预期的结果，但我仍然想知道如何使用正则表达式来完美匹配预期的5个子匹配

正则表达式匹配不是解决此类问题的好工具。使用某种线路过滤器会更好

基于正则表达式的筛选器，与示例行非常匹配：

set f [open data.txt]
while {[gets $f line] >= 0} {
    if {[regexp {:} $line]} continue
    if {![regexp {\d} $line]} continue
    puts $line
}
close $f

理由：只有月份名称行有冒号，标题行和分隔符中没有数字

不太依赖正则表达式的筛选器：

set f [open data.txt]
set skip 4
while {[gets $f line] >= 0} {
    if {$skip < 1} {
        if {[regexp {\-{2,}} $line]} {
            set skip 4
        } else {
            puts $line
        }
    } else {
        incr skip -1
    }
}
close $f

或：

这也应该起作用：

regsub -all -line {^\s+-{2,}.*(\n|\Z)} $data {}

启用对换行符敏感的匹配，将匹配并删除仅由空格、破折号、可选非换行符以及换行符或外部字符串结尾组成的所有行

要收集匹配项列表，而不仅仅是打印筛选行，请执行以下操作：

set matches {}
set matchtext {}
::fileutil::foreachLine line data.txt {
    if {![regexp {\-{2,}} $line]} {
        append matchtext $line\n
    } else {
        lappend matches $matchtext
        set matchtext {}
    }
}

运行此操作后，变量

matches

包含一个列表，其项目是分隔符之间的连续行

另一种方法是：

::textutil::splitx $data {(?n)^\s+-{2,}.*(?:\n|\Z)}

（它还会在列表末尾添加一个空元素，如果出现问题，可以很容易地将其删除。）

文件： , , , , , , , , , , , , , , , ,

---

以上数据只是一个例子。如果我想在虚线分隔符之间提取数据，我该如何实现？请给出建议。@user3635458:添加了一些建议。我不想过滤掉破折号字符。我想提取每个“-”分隔符之间的单词，就像我刚才在“预期结果”下添加的一样。我知道这可以通过逐行处理来完成，但我的意图是使用regexp来进行提取。谢谢。@TattEhian:最后也添加了一个解决方案（它与预期结果的不同之处在于包含了August标记。与perl不同，Tcl正则表达式要么完全贪婪，要么完全不贪婪，并且由看到的第一个量词进行选择。您需要仔细阅读。前面的

\s+

为整个正则表达式设置贪婪首选项。如果将其改为

\s+？

您将更接近您想要的结果，但只会得到奇数子匹配。这是因为正则表达式正在使用第2行连字符，因此下一次尝试不再使用第1行连字符。我提供的文档链接中的关键句子如下：“一个分支与其中第一个有偏好的量化原子具有相同的偏好。”@glennjackman:谢谢你的建议。现在的结果与预期结果非常接近，但我仍然想找出如何在5个子匹配中完美匹配。你可以在“更新”部分看到更新的结果。

set matches {}
set matchtext {}
::fileutil::foreachLine line data.txt {
    if {![regexp {\-{2,}} $line]} {
        append matchtext $line\n
    } else {
        lappend matches $matchtext
        set matchtext {}
    }
}

::textutil::splitx $data {(?n)^\s+-{2,}.*(?:\n|\Z)}