使用正则表达式查找匹配的括号答案

【问题标题】：Find matching bracket with Regex使用正则表达式查找匹配的括号
【发布时间】：2011-04-05 09:24:25
【问题描述】：

输入是表示元素列表的字符串。

列表被定义为一个开放的大花 { 后跟 0 个或多个以空格分隔的元素，后跟一个封闭的大花 }。

一个元素要么是一个字面量，要么是一个元素列表。

文字是一系列非空白字符。如果元素包含大括号，则必须使用反斜杠对其进行转义：\{ 和 \}。（或者，为了简单起见，您可以假设文字中不允许使用花括号）

例子：

"{abc { def ghi } 7 { 1 {2} {3 4} } {5 6} x\{yz \}foo }"

文字中没有花括号：

"{abc { def ghi } 7 { 1 {2} {3 4} } {5 6} xyz foo }"

（这是 Tcl 列表的简化定义。）

我想知道的是：输入是否可以使用正则表达式拆分为最外层循环的元素？

预期输出：

abc
{ def ghi }
7
{ 1 {2} {3 4} }
{5 6}
x{yz
}foo

真正的问题是：这可以用正则表达式来完成吗？

我对 .NET 风格最感兴趣，但会接受任何答案。

我将在答案中发布我自己的假设，看看它是否被验证或销毁。

【问题讨论】：

为什么}foo 是文字，而4} 不是？事实上，} 根据您的定义是一个有效的文字。
@Kobi 你是对的。我试图得到一个与 Tcl 解释器类似的定义，但它做了一些奇怪的事情。例如，它将允许set a 3{4，但不允许set a {1 2 3{4 }。闭合卷曲的类似行为。我会更新问题。

标签： .net regex parsing grammar matching

【解决方案1】：

对此的传统答案是响亮的“不”。正如我们在编译器类中所了解的，常规语法不能用于描述具有递归定义的语言（即不能使用有限状态机）

这里需要的是一个上下文无关的解析器，它的实现归结为一个有限状态机 + 一个堆栈。
见ANTLR、bison等。

【讨论】：

下次您可能要考虑在发布您的答案之前留出几分钟，因为如果已经有一个被赞成的帖子，其他人很难获得任何选票，所以这可能会阻止许多其他人发布......甚至从查看问题（如果问题已经回答很多人甚至不会看到它）。我确实假设您有兴趣收到其他意见，否则您不会发布...对吗？ PS：在 .NET 中，我相信可以使用“正则”表达式来做到这一点，但你是对的，不建议为此目的使用正则表达式。
@mark 已记笔记。是的，我对答案很感兴趣。我记得在某处读过一些关于正则表达式库的一些不太正统的扩展，该库允许在某些情况下匹配括号，但我不记得哪个库或哪种情况......
@EJP：这是一个自我回答，严格来说说这是不正确的，因为 .NET 中的“正则”表达式实际上根本不是正则的，事实上它可以解析上面的。但总的来说，这个答案仍然是很好的建议。发布自己的答案并没有错，这个答案也没有错，我只是说如果他真的 想要不同的意见 而不仅仅是快速的代表提升（我假设他这样做）那么他应该在发帖前等待以避免阻止其他人回答。
@Mark，不仅仅是.NET，而且现在使用的几乎所有编程语言的正则表达式实现都不能称为“常规”。如果正则表达式实现支持组和对这些组的反向引用，或者环顾断言，则在更严格的定义中它不是“常规的”。
@Crista Diaconescu：我能找到的关于这个主题的最佳信息在这里：stackoverflow.com/questions/3349999/…

【解决方案2】：

@Cristi 对正则表达式的看法是正确的：理论上，使用无堆栈的有限状态自动机解决递归表达式是不可能的。但是，解决方案更简单：您只需要保留一个开括号数的计数器，并确保它不会低于 0。它比维护堆栈更节省内存，您只需要计数- 不是括号的内容。

算法：

counter = 0                        // Number of open parens
For char c in string:              
    print c                        
    if c=='{':                     // Keep track on number of open parens
        counter++
    if c=='}':
        counter--
    if counter==1:                 // New line if we're back to the top level
        print "\n"
    elif counter<1:                // Error if the nesting is malformed
        print "ERROR: parentheses mismatch"
        break

【讨论】：

没错，但修复很简单。

【解决方案3】：

不幸的是，对于某种正则表达式，答案是肯定的，例如PCRE 和 .NET，因为它们分别支持递归模式和类似堆栈的操作。

语法可以写成

ELEMENT  -> (?!\{)\S+ | LIST
LIST     -> '\{\s*' ELEMENT? ('\s+' ELEMENT)* '\s*\}'

因此在 PCRE 中，这可以转化为模式：

   \{\s*(?0)?(?:\s+(?0))*\s*\}|(?!\{)(?:[^\s}]|\}(?![\s}]))+

#  ---------------------------                   ^^^^^^^^^
#            LIST                    Make sure the } is not closing the group

例如见http://www.ideone.com/SnGsU（为了简单起见，我已经去掉了顶级{和}）。

（当然，不要在工作中尝试这个：））

（顺便说一句，我不知道如何将这个 PCRE 转换为 .NET 风格。如果有人知道，请尝试Converting PCRE recursive regex pattern to .NET balancing groups definition）

【讨论】：

哇！只有一个问题：在你的语法定义中，ELEMENT 开头的 (?!\{) 是什么意思？
@Cristi：这是一个negative lookahead。
我希望我可以选择两个答案作为“已接受的答案”，因为这个答案非常完整。但是，Kobi 的答案更适合我搜索的内容，而且 IMO 的正则表达式更具可读性。

【解决方案4】：

好吧，编辑从标记中删除了花括号并从问题中消除了刺痛，现在使用 .Net 正则表达式很容易实现，使用平衡组。它只是匹配大括号，这是一个基本示例。
就像 KennyTM 的回答一样，这仅在您删除顶级大括号时才有效，否则它将匹配整个输入。
同样，这更适合用于娱乐目的：

(?:                    # try matching...
    (?:\\[{}]|[^\s{}])+\s*? # a literal (allow escaped curly braces)
    |                       # OR
    (?<Curly>{)\s*          # "{" and push to stack
    |                       # OR
    (?<-Curly>})\s*?        # "}", pop from stack and fail if the stack is empty
)+?                    # ...a few times, and stop whenever you can.
(?(Curly)(?!))         # Make sure there aren't any extra open curly braces

更多详情请看这篇文章：Regex Balancing Group in Depth

【讨论】：

在更新问题之前，我无法让它工作。在另一个问题上，我们从头到尾验证 (^(?:...)+$)，因此引擎必须尝试每种组合。但是，当你匹配令牌时，引擎可以满足更少，并且很难设置优先级。