正则表达式匹配

Question

我想写一个正则表达式匹配任何之间的东西

()
(())
(()())
((()))
()()()

等等

Answer 1

正则表达式无法有效处理这种嵌套结构。您需要的是语法和该语法的解析器。在您的情况下，语法很简单。如果您使用的是 python，请尝试 pyparsing 或 funcparserlib。

使用 pyparsing，您可以执行以下操作：

from pyparsing import nestedExpr
nestedExpr().parseString( "(some (string you) (want) (to) test)" ).asList()

这将返回一个包含嵌套字符串的已解析组件的列表。 nestedExpr 的默认分隔符是括号，因此您不必做任何额外的事情。如果你想使用 funcpasrerlib 你可以试试下面的

from funcparserlib.parser import forward_decl, many, a
bracketed = forward_decl()
bracketed.define(a('(') + many(bracketed) + a(')'))

之后你可以调用

bracketed.parse( "( (some) ((test) (string) (you) (want)) (to test))" )

它会在一个元组中返回解析后的元素。

Answer 2

如果您被正则表达式语法不支持递归匹配的语言所困扰，我将为您提供我的简单 Javascript 实现，您应该可以使用您选择的语言制作自己的语言：

function testBraces(s) {
    for (var i=0, j=0; i<s.length && j>=0; i++)
        switch(s.charAt(i)) {
            case '(': { j++ ; break; }
            case ')': { j-- ; break; }
        }

    return j == 0;
}

你可以在这里玩它：http://jsfiddle.net/BFsn2/

Answer 3

所有这些声称您不能使用模式来匹配具有平衡嵌套括号的字符串的答案都是完全错误的。假装现代编程语言匹配的模式仅限于病态教科书意义上的“常规语言”是不切实际的。只要您允许反向引用，它们就不会。这使得现实世界的模式比教科书版本匹配得更多，使它们更加实用。

匹配平衡括号的最简单模式是\((?:[^()]*+|(?0))*\)。但是你应该永远不要写那个，因为它太紧凑了，不容易阅读。您应该始终使用/x 模式编写它以允许空格和 cmets。所以写成这样：

m{
  \(              # literal open paren
     (?:          # begin alternation group
         [^()]*+  #  match nonparens possessively
       |          # or else
         (?0)     #  recursively match entire pattern
     )*           # repeat alternation group
  \)              # literal close paren
}x

对于命名抽象以及将它们的定义及其执行顺序与它们的执行解耦，还有很多话要说。这导致了这种事情：

my $nested_paren_rx = qr{

    (?&nested_parens)

    (?(DEFINE)

        (?<open>       \(       )
        (?<close>       \)      )
        (?<nonparens> [^()]     )

        (?<nested_parens>
            (?&open)
            (?:
                (?&nonparens) *+
              |
                (?&nested_parens)
            ) *
            (?&close)
        )

    )
}x;

第二种形式现在可以包含在更大的模式中。

永远不要让任何人告诉你不能使用模式来匹配递归定义的东西。正如我刚刚演示的那样，您当然可以。

当您使用它时，请确保永远不要编写线路噪声模式。你不必，也不应该。任何禁止空格、cmets、子例程或字母数字标识符的编程语言都是不可维护的。所以在你的模式中使用所有这些东西。

当然，确实有助于为此类工作选择正确的语言。 ☺

Answer 4

祝你好运。你需要一个带有堆栈的有限状态自动机来解析这样的东西。仅使用正则表达式无法解析它，因为它不够强大。