问题：匹配正则表达式风格中任意嵌套的括号组，例如Java的Java.util.regex，它既不支持递归也不支持平衡组。即，在中匹配三个外部组
(F(i(r(s)t))((s)(e)((c)(o))(n)d)
这个练习纯粹是学术性的，因为我们都知道正则表达式不应该用来匹配这些东西，就像Q-tips不应该用来清理耳朵一样。
Stack Overflow鼓励自我回答问题，所以我决定创建这篇文章来分享我最近发现的一些东西
确实！可以使用正向引用：
(?=()(?:(?=.*?((?!.*?1)(.*)(?!.*2).*))(?=.*?)(?!.*?2)(.*)).)+?.*?(?=1)[^(]*(?=2$)
证明
等等；就在那里。右边从开始到结束匹配一整组嵌套的圆括号。每个匹配必须捕获并保存两个子字符串；这些对你没用。只需关注主要比赛的结果。
不，深度没有限制。不，里面没有隐藏递归构造。只是简单的老样子，带有一些前瞻性的参考。如果你的口味不支持前向引用(我看着你，JavaScript)，那么我很抱歉。我真的是。我希望我能帮助你，但我不是一个奇怪的奇迹工作者。
这太棒了，但我也想与内部团体比赛
好吧，这是交易。我们之所以能够匹配这些外部组，是因为它们不重叠。一旦我们想要的比赛开始重叠，我们就必须稍微调整一下我们的策略。我们仍然可以检查主题是否有正确平衡的括号组。然而，我们需要用一个捕获组来保存它们，而不是直接匹配它们：
(?=()(?=((?:(?=.*?((?!.*?2)(.*)(?!.*3).*))(?=.*?)(?!.*?3)(.*)).)+?.*?(?=2)[^(]*(?=3$)))
与上一个表达式完全相同，只是我将其大部分封装在前瞻中以避免消耗角色，添加了一个捕获组，并调整了反向引用索引，以便他们与新朋友相处得很好。现在，表达式在下一个括号组之前的位置匹配，感兴趣的子字符串保存为\1。
所以。。。这到底是怎么回事
我很高兴你问我。一般的方法很简单：一次迭代一个字符，同时匹配下一个出现的"("one_answers")"，在每种情况下捕获字符串的其余部分，以便在下一次迭代中确定继续搜索的位置。让我把它一块一块地分解：
| 注意 | 组件 | 描述||
|---|---|---|---|
| 在做任何艰苦的工作之前确保"("跟随。 | |||
(?: | 用于遍历字符串的组的开始，因此以下lookahead重复匹配 | ||
| 句柄'(' | (?= | 此前瞻处理查找下一个'('./td>||
.*?((?!.*?1) | 匹配到下一个不跟在1后面的"("。下面，您将看到1填充了最后一个匹配的"()"后面的整个字符串部分。因此(?!.*?1)确保我们不会再次匹配相同的"( | ||
(.*)(?!.*2).*) | 用字符串的其余部分填充1。同时，请检查是否至少存在另一个")"。这是一个PCRE创可贴，可以克服在lookahead中捕获组的错误 | ||
) | |||
| 句柄')' | (?= | 此前瞻处理查找下一个'||
.*?)(?!.*?2) | 匹配到不跟在2后面的下一个")"。与前面的"("匹配一样，这会强制匹配以前未匹配过的")"> | ||
(.*) | 用字符串的其余部分填充\ 2。上面提到的bug在这里不适用，所以一个简单的表达式就足够了 | ||
) | |||
. | 使用单个字符，以便组可以继续匹配。使用字符是安全的，因为在新匹配点之前不可能出现下一个"("或")"> | ||
)+? | 尽可能少地匹配，直到找到一个平衡的组。通过以下检查验证 | ||
| 最终验证 | .*?(?=1) | ||
[^(]*(?=2$) | 然后进行匹配，直到找到最后一个")"的位置，确保我们一路上不会遇到另一个"("(这意味着一个不平衡的组) |
简介
输入修正
首先，你的输入是不正确的，因为有一个额外的括号(如下所示)
(F(i(r(s)t))) ((S)(e)((c)(o))n)d) (((((((Third)))))))
^
进行适当的修改以包括或排除附加括号，可能会出现以下字符串之一：
删除了附加括号
(F(i(r(s)t))) ((S)(e)((c)(o))n)d (((((((Third)))))))
^
添加额外的括号以匹配额外的右括号
((F(i(r(s)t))) ((S)(e)((c)(o))n)d) (((((((Third)))))))
^
Regex功能
其次，这实际上只有在包含递归功能的regex风格中才有可能实现，因为任何其他方法都无法正确匹配开/闭括号(如OP的解决方案中所示，它与上面提到的错误输入中的额外括号相匹配)。
这意味着，对于目前不支持递归(Java、Python、JavaScript等)的正则表达式风格，正则表达式中的递归(或模拟递归的尝试)是不可能的。
输入
考虑到原始输入实际上是无效的，我们将使用以下输入进行测试。
(F(i(r(s)t))) ((S)(e)((c)(o))n)d) (((((((Third)))))))
(F(i(r(s)t))) ((S)(e)((c)(o))n)d (((((((Third)))))))
((F(i(r(s)t))) ((S)(e)((c)(o))n)d) (((((((Third)))))))
针对这些输入的测试应产生以下结果：
- 无效(无匹配)
- 有效(匹配)
- 有效(匹配)
代码
有多种方法可以匹配嵌套组。下面提供的解决方案都依赖于包含递归功能(例如PCRE)的regex风格。
请参阅此处使用的正则表达式
使用DEFINE块
(?(DEFINE)
(?<value>[^()rn]+)
(?<groupVal>(?&group)|(?&value))
(?<group>(?&value)*((?&groupVal))(?&groupVal)*)
)
^(?&group)$
注意：此正则表达式使用标志gmx
没有DEFINE块
请参阅此处使用的正则表达式
^(?<group>
(?<value>[^()rn]+)*
((?<groupVal>(?&group)|(?&value)))
(?&groupVal)*
)$
注意：此正则表达式使用标志gmx
不带x修饰符(一个衬垫)
请参阅此处使用的正则表达式
^(?<group>(?<value>[^()rn]+)*((?<groupVal>(?&group)|(?&value)))(?&groupVal)*)$
没有命名(组和引用)
请参阅此处使用的正则表达式
^(([^()rn]+)*(((?1)|(?2)))(?3)*)$
注意：这是我能想到的最短的方法。
说明
我将解释最后一个正则表达式，因为它是上面所有其他正则表达式的简化和最小化的示例
^断言行开头的位置(([^()rn]+)*(((?1)|(?2)))(?3)*)将以下内容捕获到捕获组1([^()rn]+)*将以下内容捕捉到捕获组2任意次数[^()rn]+将集合()rn中不存在的任何字符匹配一次或多次
(从字面上匹配左/左括号字符(((?1)|(?2))将以下任一项捕获到捕获组3(?1)重复第一个子模式(1)(?2)重复第二个子模式(2)
)从字面上匹配右/右括号字符)(?3)*多次重复第三个子模式(3)
$断言行末尾的位置