正则表达式匹配多维字符串中的顶级分隔符答案

【问题标题】：Regex to match top level delimiters in a multi dimensional string正则表达式匹配多维字符串中的顶级分隔符
【发布时间】：2012-07-13 03:21:43
【问题描述】：

我有一个大型多维结构的文件，类似于 json，但不够接近，无法使用 json 库。

数据看起来像这样：

alpha {
    beta {
        charlie;
    }
    delta;
}

echo;
foxtrot {
    golf;
    hotel;
}

我正在尝试构建的正则表达式（对于 preg_match_all）应该匹配每个顶级父级（由 {} 大括号分隔），以便我可以递归匹配，构建一个表示数据的多维 php 数组。

我尝试的第一个正则表达式是/(?<=\{).*(?=\})/s，它贪婪地匹配大括号内的内容，但这并不完全正确，因为当顶层有多个同级时，匹配过于贪婪。下面的例子：

使用正则表达式/(?<=\{).*(?=\})/s 匹配为：

第 1 场比赛：

    beta {
        charlie;
    }
    delta;
}

echo;
foxtrot {
    golf;
    hotel;

结果应该是：第一场比赛：

    beta {
        charlie;
    }
    delta;

第 2 场比赛：

    golf;
    hotel;

那么正则表达式向导，我在这里缺少什么功能，或者我需要以某种方式用 php 解决这个问题？非常欢迎任何提示:)

【问题讨论】：

这个字符串是从哪里来的？它的创作是由你控制的吗？如果是这样，你为什么不使用 json？ IMO 这比使用正则表达式解析 HTML 更糟糕，如果值包含 {or}，它必然会破坏发生的情况
@LawrenceCherone 是的，我有控制权，正如下面评论中所解释的，字符串是一种具有相当严格语法的模板标记语言。我只提到了 json，因为它具有类似的带有大括号的层次嵌套样式，但是它的功能非常不同。如果一个值包含一个杂散的大括号，它将中断，但这是设计使然。语言语法中不允许使用大括号，除非它位于 ("") 块中。

标签： php regex pcre multidimensional-array

【解决方案1】：

你不能¹用正则表达式来做到这一点。

或者，如果要匹配从深到浅的块，可以使用\{[^\{\}]*?\} 和preg_replace_callback() 来存储值，并返回null 以将其从字符串中删除。回调需要相应地处理嵌套值。

$heirarchalStorage = ...;
do {
    $string = \preg_replace_callback('#\{[^\{\}]*?\}#', function($block)
    use(&$heirarchalStorage) {
        // do your magic with $heirarchalStorage
        // in here
        return null;
    }, $string);
} while (!empty($string));

_{不完整、未经测试且无保修。}

这种方法要求字符串也包含在{} 中，否则最终匹配不会发生，您将永远循环。

这是一项糟糕（低效）工作，而这些工作可以通过 JSON 等众所周知的交换/存储格式轻松解决。 p>

¹我本来打算说“你可以，但是...”，但我还是再说一遍，“ ~~你不能~~" ²

²不要

【讨论】：

谢谢，preg_replace 的从深到浅的方法很有帮助。我已经在脚本的其他地方使用了几乎相同的代码，但用于不同的任务。我意识到解析这些数据的效率低下，但在我的示例中，我省略了语言中存在的大量额外代码。这是我正在制作的“编译”标记语言，而不是数据传输语言，因此我可以避免解析效率低下。

【解决方案2】：

当然你可以用正则表达式来做到这一点。

preg_match_all(
    '/([^\s]+)\s*{((?:[^{}]*|(?R))*)}/',
    $yourStuff,
    $matches,
    PREG_SET_ORDER
);

这在比赛中给了我以下信息：

[1]=>
string(5) "alpha"
[2]=>
string(46) "
beta {
    charlie;
}
delta;
"

和

[1]=>
string(7) "foxtrot"
[2]=>
string(22) "
golf;
hotel;
"

稍微分解一下。

([^\s]+)                # non-whitespace (block name)
\s*                     # whitespace (between name and block)
{                       # literal brace
    (                   # begin capture
        (?:             # don't create another capture set
            [^{}]*      # everything not a brace
            |(?R)       # OR recurse
        )*              # none or more times
    )                   # end capture
}                       # literal brace

仅供参考，这适用于 n-deep 级别的大括号。

【讨论】：

谢谢，您（或其他人）能否评论一下这种技术的效率/可读性/最佳实践与@Bracketworks 给出的递归PHP 风格？
好吧，我想从深到浅的方法会增加复杂性，因为您必须向后构建数组，您不知道从多深开始，并且您不知道您正在处理的块的“名称”。不确定您需要做多少额外的数组摆弄才能满足这一点。此外，当您进入一个新分支时（即您刚刚完成 alpha，然后突然间您有了高尔夫+酒店），您怎么知道您在一个新分支中？没有给出深度信息。他的替换工作方式也会在$block 中为您提供奇怪的值，需要更多处理...

【解决方案3】：

我想你可能会通过匹配[a-zA-Z0-9][:blank]+{ 和} 来使用preg_split 得到一些东西。您将能够通过查看结果来构建您的数组。使用递归函数，当你匹配一个开始标签时，它会更深入，并且在结束标签上。

否则，最干净的解决方案是实现 ANTLR 语法！

【讨论】：