嵌套匹配的正则表达式答案

【问题标题】：Regex for nested matches嵌套匹配的正则表达式
【发布时间】：2014-05-25 20:19:22
【问题描述】：

考虑字符串

cos(t(2))+t(51)

使用正则表达式，我想匹配cos(t(2))、t(2) 和t(51)。这适合的一般模式旨在类似于

variable or function name + opening_parenthesis + contents + closing_parenthesis,

其中contents 可以是任何具有相同数量的左括号和右括号的表达式。

我使用的是[a-zA-Z]+\([\W\w]*\)，它返回cos(t(2)))+t(51)，这当然不是我们想要的结果。

关于如何使用正则表达式实现这一点的任何想法？我特别纠结于“开括号和右括号的数量相等”。

【问题讨论】：

简答：正则表达式无法做到这一点。
稍微长一点的答案：如果你想处理任意嵌套，你需要使用专用的解析器。
正则表达式匹配不能用于统计任意数量的匹配表达式（即平衡表达式）。其原因是基于自动机（语言理论），它基本上表明您尝试匹配的语言（即平衡括号）无法匹配，因为它不是“常规”。不过，您可以使用堆栈/解析器。
一些方言（例如 php/pcre）支持能够匹配嵌套括号的递归模式。你的平台是什么？
@niels：不知道，但也许this 有帮助。

【解决方案1】：

Niels，这是一个有趣且棘手的问题，因为您正在寻找重叠的匹配项。即使使用递归，任务也不是微不足道的。

您询问了any idea how to achieve this with regex，所以听起来即使这在 matlab 中不可用，您也会有兴趣看到一个答案，告诉您如何在正则表达式中做到这一点。

这对我来说很有意义，因为工具经常更改它们使用的正则表达式库。例如 Notepad++，它曾经有残缺的正则表达式，在版本 6 中切换到 PCRE。（碰巧，PCRE 可以使用这个解决方案。）

在 Perl 和 PCRE 中，您可以使用这个简短的正则表达式：

(?=(\b\w+\((?:\d+|(?1))\)))

这将匹配：

cos(t(2))
t(2)
t(51)

例如，在 php 中，您可以使用此代码（请参阅online demo 底部的结果）。

$regex = "~(?=(\b\w+\((?:\d+|(?1))\)))~";
$string = "cos(t(2))+t(51)";
$count = preg_match_all($regex,$string,$matches);
print_r($matches[1]);

它是如何工作的？

为了允许重叠匹配，我们使用了前瞻。这样，在匹配cos(t(2)) 之后，引擎将不会将自身定位在cos(t(2)) 之后，而是在cos 中的o 之前
事实上，引擎实际上并不匹配cos(t(2))，而只是将其捕获到组1。它匹配的是at this position in the string, looking ahead, we can see x 的断言。匹配此断言后，它会尝试从字符串中的下一个位置开始再次匹配它。
lookahead 中的表达式（描述我们正在寻找的内容）几乎非常简单：在 (\b\w+\((?:\d+|(?1))\)) 中，\d+ 之后，| 的交替允许我们重复第一个子程序带有(?1)，也就是说，我们当前所在的整个表达式。因此，我们不会递归整个正则表达式（包括前瞻），而是递归其子表达式。

【讨论】：

你知道吗，我之前曾经见过只使用正则表达式的递归。 +1 教我一些新东西。
@Joeytje50 是的，正则表达式中的递归并不经常出现，但是当您需要它时，它非常简洁。如果您对正则表达式技巧感兴趣，这个技巧适用于许多情况，并且是我的最爱之一：Match (or replace) a pattern except in situations s1, s2, s3 etc
这看起来很有用。 “可悲的是，该技术并不为人所知”这句话可能是每个程序员都以一种或另一种方式经历过的事情（对我来说，这是文件输入<label>s，人们坚持使用hacky编码）。无论如何，这个正则表达式技巧在某些我可能会遇到的情况下可能真的很有用。例如，我一直想知道如何在 wiki 上的正则表达式查找和替换中排除 <nowiki> 或  文本，那里没有真正可用的解析器。这个技巧在那里可能真的很有用。
@Joeytje50 That trick could be really useful there. 是的，当然。 something every programmer has experienced one way or the other哈，太对了。 :)
@zx81。然而，这很有趣，我想知道这是否真的是一个“正则表达式”，因为它不匹配正则语言。答案的道具，我真的很想知道它是如何工作的。