如何在对中正则表达式匹配对

Question

我的问题相当简单，即使它的目的非常复杂。我将使用一个简单的例子：

AzzAyyAxxxxByyBzzB

所以通常我希望得到A 和B 之间的所有内容。但是，由于第一个 A 和最后一个 B（一对）之间的某些内容包含额外的 AB 对，我需要推迟比赛的结束。 （不确定最后一部分是否有意义）。

所以我正在寻找一些 RegEx，它可以让我获得以下输出：

Match 1
  Group 1: AzzAyyAxxxxByyBzzB
  Group 2: zzAyyAxxxxByyBzz

那我再匹配一下得到：

Match 2
  Group 1: AyyAxxxxByyB
  Group 2: yyAxxxxByy

然后终于又搞定了：

Match 3
  Group 1: AxxxxB
  Group 2: xxxx

显然，如果我在我得到的整个输入上尝试 (A(.*?)B)：

Match x
  Group 1: AzzAyyAxxxxB
  Group 2: zzAyyAxxxx

这不是我想要的:)

我希望这是有道理的。我知道这是否不能在 RegEx 中完成，但我想在我放弃它并尝试其他方法之前，我会询问你们中的一些 regex 向导。谢谢！

其他信息：

我正在进行的项目是用 Java 编写的。

另一个问题是我正在解析一个可能包含以下内容的文档：

AzzAyyAxxxxByyBzzB
Here is some unrelated stuff
AzzAyyAxxxxByyBzzB
AzzzBxxArrrBAssssB

顶部的AB 对需要与底部的AB 对分开

Answer 1

您使用? 使您的正则表达式明确不贪婪。只需将其忽略，正则表达式将在匹配 B 之前尽可能多地消耗：

(A(.*)B)

但是，一般来说嵌套结构超出了正则表达式的范围。在这样的情况下：

AxxxByyyAzzzB

您现在还可以从第一个 A 匹配到最后一个 B。如果这在您的场景中可行，您最好自己逐个字符地检查字符串并计算As 和Bs 以确定哪些属于一起。

编辑：

现在您已经更新了问题并且我们在 cmets 中发现了这一点，您确实遇到了多个连续对的问题。在这种情况下，这不能使用不支持递归的正则表达式引擎来完成。

但是，您可以从内到外切换到匹配。

A([^AB]*)B

这只会得到最里面的对，因为分隔符之间既不能有A，也不能有B。如果你找到它，你可以移除这对并继续你的下一场比赛。

Answer 2

如果使用多行模式，请使用单词边界：

\bA(.*)B\b  #for matches that does not start from beginning of line to end

或

^A(.*)B$    #for matches that start from beginning of line till end

Answer 3

您无法单独使用正则表达式来做到这一点。你所描述的更多的是Context-Free而不是Regular。为了解析这样的内容，每次遇到“A”时都需要将新上下文推送到堆栈上，并在每次遇到“B”时弹出堆栈。您需要更多类似于pushdown automaton 的东西，而不是正则表达式。