.net c# Regex 平衡組/遞迴匹配

平衡組/遞迴匹配

這裡介紹的平衡組文法是由.Net Framework支援的；其它語言／庫不一定支援這種功能，或者支援此功能但需要使用不同的文法。

有時我們需要匹配像( 100 * ( 50 + 15 ) )這樣的可嵌套的層次性結構，這時簡單地使用\(.+\)則只會匹配到最左邊的左括弧和最右邊的右括弧之間的內容(這裡我們討論的是貪婪模式，懶惰模式也有下面的問題)。假如原來的字串裡的左括弧和右括弧出現的次數不相等，比如( 5 / ( 3 + 2 ) ) )，那我們的匹配結果裡兩者的個數也不會相等。有沒有辦法在這樣的字串裡匹配到最長的，配對的括弧之間的內容呢？

為了避免(和\(把你的大腦徹底搞糊塗，我們還是用角括弧代替圓括弧吧。現在我們的問題變成了如何把xx <aa <bbb> <bbb> aa> yy這樣的字串裡，最長的配對的角括弧內的內容捕獲出來？

這裡需要用到以下的文法構造：

• (?'group') 把捕獲的內容命名為group,並壓入堆棧(Stack)
• (?'-group') 從堆棧上彈出最後壓入堆棧的名為group的捕獲內容，如果堆棧本來為空白，則本分組的匹配失敗
• (?(group)yes|no) 如果堆棧上存在以名為group的捕獲內容的話，繼續匹配yes部分的運算式，否則繼續匹配no部分
• (?!) 零寬負向先行斷言，由於沒有尾碼運算式，試圖匹配總是失敗

如果你不是一個程式員（或者你自稱程式員但是不知道堆棧是什麼東西），你就這樣理解上面的三種文法吧：第一個就 是在黑板上寫一個"group"，第二個就是從黑板上擦掉一個"group"，第三個就是看黑板上寫的還有沒有"group"，如果有就繼續匹配yes部 分，否則就匹配no部分。

我們需要做的是每碰到了左括弧，就在壓入一個"Open",每碰到一個右括弧，就彈出一個，到了最後就看看堆棧是否為空白－－如果不為空白那就證明左括弧比右括弧多，那匹配就應該失敗。Regex引擎會進行回溯(放棄最前面或最後面的一些字元)，盡量使整個運算式得到匹配。

 

<                         #最外層的左括弧
    [^<>]*                #最外層的左括弧後面的不是括弧的內容
    (
        (
            (?'Open'<)    #碰到了左括弧，在黑板上寫一個"Open"
            [^<>]*       #匹配左括弧後面的不是括弧的內容
        )+
        (
            (?'-Open'>)   #碰到了右括弧，擦掉一個"Open"
            [^<>]*        #匹配右括弧後面不是括弧的內容
        )+
    )*
    (?(Open)(?!))         #在遇到最外層的右括弧前面，判斷黑板上還有沒有沒擦掉的"Open"；如果還有，則匹配失敗

>                         #最外層的右括弧

 

平衡組的一個最常見的應用就是匹配HTML,下面這個例子可以匹配嵌套的<div>標籤：

 

<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>