我需要找到数字、输入和输出时间码点以及文本的所有行。
9
00:09:48,347 --> 00:09:52,818
- Let's see... what else she's got?
- Yea... ha, ha.
10
00:09:56,108 --> 00:09:58,788
What you got down there, missy?
11
00:09:58,830 --> 00:10:00,811
I wouldn't do that!
12
00:10:03,566 --> 00:10:07,047
-Shit, that's not enough!
-Pull her back!
我目前正在使用这种模式，但它忘记了所有两行文本
(?<Order>\d+)\r\n(?<StartTime>(\d\d:){2}\d\d,\d{3}) --> (?<EndTime>(\d\d:){2}\d\d,\d{3})\r\n(?<Sub>.+)(?=\r\n\r\n\d+|$)
任何帮助将非常感激。
如果我是你，我会从基于正则表达式的实现中退后一步，查看状态机，逐行浏览文件。你的格式看起来很简单，可以用 20-40 行易于理解的代码来处理，但对于一个合理的正则表达式来说太复杂了。
我认为正则表达式有两个问题。第一个是.接近结尾的 in(?<Sub>.+)不匹配换行符。因此，您可以将其修改为：
(?<Sub>(.|[\r\n])+?)
或者您可以指定RegexOptions.Singleline作为正则表达式的选项。该选项唯一要做的就是使点匹配换行符。
第二个问题是.+匹配尽可能多的行。你可以让它不贪婪，比如：
(?<Sub>(.|[\r\n])+?(?=\r\n\r\n|$))
这匹配以空行或字符串结尾结尾的最少文本。
我会亲自将这些行拆分为一个数组并循环检查每一行，只需对 StartTime->EndTime 行进行正则表达式匹配，然后您可以使用一些相当简单的逻辑从前一行中获取 Order，然后获取以下行中的文本（通过向前搜索以找到下一个 StartTime->Endtime 并回溯两行）。
我认为这种方式可以稍微解决问题，这样您就没有正则表达式来尝试完成所有操作。
我正在使用以下正则表达式来解析 .srt 文件：
@"(?<number>\d+)\r\n(?<start>\S+)\s-->\s(?<end>\S+)\r\n(?<text>(.|[\r\n])+?)\r\n\r\n"
我在我的 Ruby 解析器中使用了这个正则表达式：
slines.scan(/(^[0-9]+)\r?\n(.*? --> .*?)\r?\n(.*?)(?=^[0-9]+\r?\n|\s+\Z)/im).map{|z| [z[0],[z[1],z[2].strip]]}
其中“slines”是读入内存的整个字幕文件。