什么是正则表达式平衡组？

时间：2013-06-08 21:00:11

标签： c# .net regex balancing-groups

我刚刚阅读了一个关于如何在双花括号（this question）中获取数据的问题，然后有人提出了平衡组。我还不太确定它们是什么以及如何使用它们。

我通读了Balancing Group Definition，但解释很难理解，而且我对我提到的问题仍感到困惑。

有人可以简单地解释什么是平衡组以及它们如何有用吗？

2 个答案:

答案 0 :(得分：164)

据我所知，平衡组是.NET正则表达式的独特之处。

旁边：重复的小组

首先，你需要知道.NET是（据我所知）唯一的正则表达式，它允许你访问单个捕获组的多个捕获（不是在反向引用中，而是在匹配完成后）。 / p>

为了举例说明，请考虑模式

(.)+

和字符串"abcd"。

在所有其他正则表达式中，捕获组1只会产生一个结果：d（注意，完全匹配当然是abcd正如预期的那样）。这是因为捕获组的每次新用法都会覆盖先前的捕获。

另一方面，.NET会记住它们。它在堆栈中这样做。匹配上面的正则表达式之后

Match m = new Regex(@"(.)+").Match("abcd");

你会发现

m.Groups[1].Captures

是CaptureCollection，其元素对应于四个捕获

0: "a"
1: "b"
2: "c"
3: "d"

其中number是CaptureCollection的索引。因此，基本上每次再次使用该组时，都会将新的捕获推送到堆栈中。

如果我们使用命名捕获组，它会变得更有趣。因为.NET允许重复使用相同的名称，所以我们可以写一个像

这样的正则表达式 
(?<word>\w+)\W+(?<word>\w+)

将两个单词捕获到同一组中。同样，每次遇到具有特定名称的组时，捕获都会被推送到其堆栈中。所以将此正则表达式应用于输入"foo bar"并检查

m.Groups["word"].Captures

我们找到两个捕获

0: "foo"
1: "bar"

这使我们甚至可以从表达式的不同部分将事物推送到单个堆栈中。但是，这只是.NET能够跟踪此CaptureCollection中列出的多个捕获的功能。但我说，这个集合是堆栈。那么我们可以 pop 吗？

输入：平衡组

事实证明我们可以。如果我们使用像(?<-word>...)这样的组，那么如果子表达式word匹配，则会从堆栈...中弹出最后一次捕获。因此，如果我们将之前的表达式更改为

(?<word>\w+)\W+(?<-word>\w+)

然后第二组将弹出第一组的捕获，最后我们将收到一个空的CaptureCollection。当然，这个例子很没用。

但是还有一个减去语法的细节：如果堆栈已经为空，则组失败（无论其子模式如何）。我们可以利用这种行为来计算嵌套级别 - 这就是名称平衡组来自的地方（以及它变得有趣的地方）。假设我们想匹配正确括号的字符串。我们在堆栈上推动每个左括号，并为每个右括号弹出一个捕获。如果我们遇到一个关闭括号太多，它将尝试弹出一个空堆栈并导致该模式失败：

^(?:[^()]|(?<Open>[(])|(?<-Open>[)]))*$

所以我们在重复中有三种选择。第一种选择消耗所有不是括号的东西。第二种方法匹配(，同时将它们推入堆栈。第三个替代方法匹配) s，同时从堆栈中弹出元素（如果可能！）。

注意：为了澄清，我们只检查没有不匹配的括号！这意味着所有中不包含括号的字符串将匹配，因为它们在语法上仍然有效（在某些语法中，您需要使用括号匹配）。如果您想确保至少有一组括号，只需在(?=.*[(])之后添加一个前瞻^。

但这种模式并不完美（或完全正确）。

结局：条件模式

还有一个问题：这不能确保字符串末尾的堆栈为空（因此(foo(bar)有效）。 .NET（以及许多其他版本）还有一个结构可以帮助我们：条件模式。一般语法是

(?(condition)truePattern|falsePattern)

其中falsePattern是可选的 - 如果省略，则false-case将始终匹配。条件可以是模式，也可以是捕获组的名称。我会在这里关注后一种情况。如果它是捕获组的名称，则当且仅当该特定组的捕获堆栈不为空时才使用truePattern。也就是说，像(?(name)yes|no)这样的条件模式读取＆＃34;如果name匹配并捕获了某些东西（仍在堆栈中），则使用模式yes否则使用模式{{1 }}＆＃34;

因此，在我们上面的模式结束时，如果no - 堆栈不为空，我们可以添加类似(?(Open)failPattern)的内容，这会导致整个模式失败。使模式无条件失败的最简单方法是Open（空的负向前瞻）。所以我们有最终模式：

(?!)

请注意，此条件语法本身与平衡组没有任何关系，但它必须充分利用它们。

从这里开始，天空就是极限。许多非常复杂的用途是可能的，当与其他.NET-Regex功能（如可变长度的lookbehinds（which I had to learn the hard way myself））结合使用时，会有一些问题。但问题始终是：使用这些功能时，您的代码是否仍然可维护？您需要非常好地记录它，并确保每个使用它的人都知道这些功能。否则你可能会更好，只需逐个字符地手动操作字符串并计算整数中的嵌套级别。

附录：^(?:[^()]|(?<Open>[(])|(?<-Open>[)]))*(?(Open)(?!))$ 语法有什么用？

此部分的学分转到Kobi（有关详细信息，请参阅下面的答案）。

现在有了上述所有内容，我们可以验证字符串是否正确括号。但是，如果我们能够实际获得所有这些括号的（嵌套）捕获，那将会更有用。内容。当然，我们可以记住在没有清空的单独捕获堆栈中打开和关闭括号，然后在单独的步骤中根据它们的位置进行一些子串提取。

但.NET提供了一个更方便的功能：如果我们使用(?<A-B>...)，不仅会从堆栈(?<A-B>subPattern)中弹出捕获，而且还会弹出捕获B和此当前组被推送到堆栈B。因此，如果我们使用这样的组作为结束括号，同时从我们的堆栈中弹出嵌套级别，我们也可以将该对的内容推送到另一个堆栈：

A

Kobi在他的回答中提供了这个Live-Demo

所以把所有这些东西放在一起我们可以：

  • 记住任意多次捕获
  • 验证嵌套结构
  • 捕获每个嵌套级别

全部在一个正则表达式中。如果这不令人兴奋......;）

我第一次了解它们时发现了一些有用的资源：

答案 1 :(得分：38)

只是M. Buettner的优秀答案的一小部分补充：

(?<A-B>)语法的处理方式是什么？

(?<A-B>x)与(?<-A>(?<B>x))略有不同。它们导致相同的控制流 * ，但它们捕获的方式不同 例如，让我们看一下平衡大括号的模式：

(?:[^{}]|(?<B>{)|(?<-B>}))+(?(B)(?!))

在比赛结束时我们有一个平衡的字符串，但这就是我们所拥有的 - 我们不知道其中大括号是因为B堆栈是空的。引擎为我们所做的艰苦工作已经消失 <子>（example on Regex Storm）

(?<A-B>x)是该问题的解决方案。怎么样？它不将x捕获到$A中：它捕获上一次捕获B与当前位置之间的内容。

让我们在我们的模式中使用它：

(?:[^{}]|(?<Open>{)|(?<Content-Open>}))+(?(Open)(?!))

对于沿途的每一对，这将捕获$Content大括号（及其位置）之间的字符串。
对于字符串{1 2 {3} {4 5 {6}} 7}，有四个捕获：3，6，4 5 {6}和1 2 {3} {4 5 {6}} 7 - 比 nothing 或} } } } <子>（example - click the table tab and look at ${Content}, captures）

事实上，它可以在没有平衡的情况下使用：(?<A>).(.(?<Content-A>).)捕获前两个字符，即使它们被组分开。
（这里更常用的是先行，但它并不总是缩放：它可能会复制你的逻辑。）

(?<A-B>)是一个强大的功能 - 它可以让您完全控制您的捕获。当你想要从你的模式中获得更多时，请记住这一点。

相关问题
最新问题