Question

这与Regular Expression to match outer brackets非常相关，但我特别想知道如何或是否可以这样做regex's recursive pattern？ 我还没有找到使用此策略的python示例，所以认为这应该是一个有用的问题！

我seen some claims that递归模式可用于匹配平衡括号，但没有使用python的regex包的示例（注意：重新不支持递归模式，你需要使用正则表达式。）

一个claim的语法是b(?:m|(?R))*e，其中：

b是构造的开头，m是构造中间可能出现的内容，e是构造末尾可能出现的内容

我想在以下内容中提取外部大括号的匹配项：

"{1, {2, 3}} {4, 5}"
["1, {2, 3}", "4, 5"]  # desired

请注意，内部大括号很容易做到这一点：

re.findall(r"{([^{}]*)}", "{1, {2, 3}} {4, 5}")
['2, 3', '4, 5']

（在我的示例中，我使用的是finditer（在匹配对象上），请参阅here。）

所以我曾希望以下或某些变体可以起作用：

regex.findall(r"{(:[^{}]*|?R)}", "{1, {2, 3}} {4, 5}")
regex.findall(r"({(:[^{}]*|?R)})", "{1, {2, 3}} {4, 5}")
regex.findall(r"({(:.*|(?R))*})", "{1, {2, 3}} {4, 5}")
regex.findall(r"({(:.*)|(?R)*})", "{1, {2, 3}} {4, 5}")
regex.findall(r"({(:[^{}])|(?R)})", "{1, {2, 3}} {4, 5}")

但我被[]或error: too much backtracking打破了。

是否可以使用正则表达式的递归为外括号提取匹配对象？

显然，我冒着被击落的风险：

don't parse html with regex
使用pyparse
写一个合适的词法分析器＆amp;解析器，例如使用ply

我想强调这是关于如何使用递归模式（如果我的理解是正确的，将我们带到常规语言解析之外，那么实际上可能是可能的！）。如果可以做到，这应该是一个更清洁的解决方案。

Answer 1

模式是：

{((?>[^{}]+|(?R))*)}

您可以看到这适用于您的示例：

regex.findall("{((?>[^{}]+|(?R))*)}", "{1, {2, 3}} {4, 5}")
# ['1, {2, 3}', '4, 5']

说明：

m部分需要排除括号。如果您希望同时允许[^{}]的量词并重复该组而没有灾难性的回溯问题，则需要使用原子组。更清楚的是，如果缺少最后一个结束花括号，这个正则表达式引擎将按原子组而不是逐个字符地回溯原子组。为了推动这一点，你可以使量词占有性如下：{((?>[^{}]+|(?R))*+)}（或{((?:[^{}]+|(?R))*+)}，因为原子组不再有用。）

原子组(?>....)和占有量词?+，*+，++是同一特征的两面。此功能禁止正则表达式引擎在成为＆＃34;原子的字符组内回溯。 （你可以在较小的部分划分的东西）。

基本示例是字符串aaaaaaaaaab始终失败的以下两种模式：

(?>a+)ab
a++ab

即：

regex.match("a++ab", "aaaaaaaaaab")
regex.match("(?>a+)ab", "aaaaaaaaaab")

使用(?:a+)或a+正则表达式引擎（默认情况下）记录（在预设中）所有字符的所有回溯位置。但是当你使用原子群或占有量词时，不再记录这些回溯位置（除了小组的开头）。因此，当回溯机制发生时，最后一个＆＃34; a＆＃34;角色无法回馈。只有整个团队才能被退回。

[编辑]：如果您使用＆＃34;展开＆＃34;可以更有效地编写模式。子模式描述括号之间的内容：

{([^{}]*+(?:(?R)[^{}]*)*+)}

Answer 2

我能够使用b(?:m|(?R))*e语法执行此操作：

{((?:[^{}]|(?R))*)}

Demo

我认为你所尝试的关键是重复不会继续m，而是整个(?:m|(?R))组。这是允许使用(?R)引用进行递归的原因。

正则表达式中的递归模式

2 个答案:

说明：