请问如果用正则从文本中抽取按关键词成对匹配的文本？

Question

背景是这样的。 有这样格式的原始文本：
Question 1:
XXXXXXXXXXXXXXXXXXXX
Response 1:
YYYYYYYYYYYYYYYYYYYY

Question 2:
XXXXXXXXXXXXXXXXXXXX
Response 2:
YYYYYYYYYYYYYYYYYYYY

........

现在想用java程序抽取出一对对的Question-Answer对。我自己先弄了个糙快猛的做法，没用regex,主要就是用apache common包里面String工具类的substringBetween方法。 我的大概思路是这样的,首先查找出Response字样的个数。 然后for循环里面进行文本操作, 比如Question 1就取"Question 1:"到"Response 1"字样中间的， Response 1就取"Response 1"到"Question 2"之间的; 最后一个回答单独处理下

这种方案有很大的局限性。 首先是正文里面不能有Response字样(不然第一步查个数就比实际的QA对多了)。 二是对格式的要求限死了,要包括标点符号都符合才行。

然而实际情况是，有的输入文本只有一对QA,就直接是不带番号的，即
Question:
XXXXXXXXXXXXXX

Reponse:
YYYYYYYYYYYYYYYY

还有部分输入文本的标题有些出入，不是Question和Response,而是Comment和Explanation.

我模糊感觉这种应该要用正则表达式来匹配吧。 自己琢磨一段时间，还是没弄出来。求助一下大家思路。

Answer 1

按行读/按行处理
如果本行是Question开头（或者写个正则匹配一下），那么接下来的是问题
如果本行匹配Response，那么和Question中间的部分是问题
如果本上又是Question，那么答案结束

Answer 2

(?<=(^|\n)[QR]uestion\s\d\:\s)(¹+(?=\n(\w\s\d\:\s*|$)))
试试呢

---

1. \n ↩

Answer 3

可以通过"Question 1:"+ 换行符 /"Response 1:"+ 换行符 这样的规则来进行匹配
有了规则，无论是使用正则或者其它方式，都是可以解析出来的

Answer 4

代码：

    public static void main(String[] args) {
        String regex="((?:Question|Comment)\\s*\\d*):([\\s\\S]*?)((?:Response|Explanation)\\s*\\d*):([\\s\\S]*?)(?=(?:Question|Comment)\\s*\\d*:|$)";
        String str="背景是这样的。 有这样格式的原始文本：\r\nQuestion 1:\r\nXXXXXXXXXXXResponseXXXXXXXXX\r\nResponse 1:\r\nYYYYYYYYYYYYResponseYYYYYYYY\r\n\r\nQuestion 2:\r\nXXXXXXXXXXXXXXXXXXXX\r\nResponse 2:\r\nYYYYYYYYYYYYYYYYYYYY\r\n\r\nComment 2:\r\nXXXXXXXXXXXXXXXXXXXX\r\nExplanation 2:\r\nYYYYYYYYYYYYYYYYYYYY\r\nQuestion :\r\nXXXXXXXXXXXXXXXXXXXX\r\nResponse :\r\nYYYYYYYYYYYYYYYYYYYY\r\n";
        Matcher m=Pattern.compile(regex).matcher(str);
        List<Map<String,String>> items=new ArrayList<Map<String,String>>();
        Map<String,String> item=null;
        while(m.find()) {
            item=new HashMap<String,String>();
            item.put(m.group(1), m.group(2));
            item.put(m.group(3), m.group(4));
            items.add(item);
        }
        System.out.println(items);
        
    }

结果：