使用平衡组的正则表达式

我有一个基本的文本模板引擎，使用这样的语法：

foo bar %IF MY_VAR some text %IF OTHER_VAR some other text %ENDIF %ENDIF bar foo 

我有一个正则表达式的问题，我用来解析它，因为它没有考虑嵌套的IF / ENDIF块。

我正在使用的当前正则表达式是： %IF (?[\w_]+)(?.*?)%ENDIF

我一直在阅读平衡捕获组（.NET的正则表达式库的一个特性），因为我理解这是支持.NET中“递归”正则表达式的推荐方法。

我一直在玩平衡组，到目前为止已经提出了以下建议：

 ( ( (?'Open'%IF\s(?[\w_]+)) (?.*?) )+ ( (?'Close-Open'%ENDIF)(?.*?) )+ )* (?(Open)(?!)) 

但这并不完全符合我的预期。 例如，它捕获了很多空组。 救命？

Answer 1

要使用平衡的IF语句捕获整个IF / ENDIF块，可以使用此正则表达式：

 %IF\s+(?\w+) (? (?> #Possessive group, so . will not match IF/ENDIF \s| (?%IF)| #for IF, push (?<-IF>%ENDIF)| #for ENDIF, pop . # or, anything else, but don't allow )+ (?(IF)(?!)) #fail on extra open IFs ) #/Contents %ENDIF 

这里的要点是：你不能在一个Match捕获多个命名组中的一个。 例如，您将只获得一个(?\w+)组中最后捕获的值。 在我的正则表达式中，我保留了简单正则表达式的Name和Contents组，并限制了Contents组内的平衡 – 正则表达式仍包含在IF和ENDIF 。

如果您的数据更复杂，那么会变得有趣。 例如：

 %IF MY_VAR some text %IF OTHER_VAR some other text %ENDIF %IF OTHER_VAR2 some other text 2 %ENDIF %ENDIF %IF OTHER_VAR3 some other text 3 %ENDIF 

在这里，您将获得两个匹配项，一个用于MY_VAR ，另一个用于OTHER_VAR3 。 如果你想在MY_VAR的内容上捕获两个ifs，你必须在其Contents组上重新运行正则表达式（你可以使用前瞻来解决它，如果你必须 – 将整个正则表达式包装在(?=...) ，但你需要使用位置和长度以某种方式将它放入逻辑结构中。

现在，我不会解释太多，因为它似乎得到了基础知识，但是关于内容组的简短说明 – 我使用占有性组来避免回溯。 否则，点最终可能与整个IF匹配并打破平衡。 组上的惰性匹配行为类似（ ( )+?而不是(?> )+ ）。