正则表达式搜索避免嵌套结果

Question

我的文档包含几个代码块实例，如下所示：

{% highlight %}
//some code
{% endhighlight %}

在Atom.io中，我正在尝试编写正则表达式搜索来捕获它们。

我的第一次尝试是：
{% highlight .* %}([\S\s]+){% endhighlight %}

问题是因为同一个文档中有几个代码块，它也会捕获第一个代码块，直到最后一个代码块，所有这些都在一个匹配中。

我要排除{字符：
{% highlight .* %}([^\{]+){% endhighlight %}

但问题是某些代码块包含有效的{个字符（例如function(){ ... }）。

Answer 1

使用非贪婪匹配：

{% highlight .* %}([\S\s]+?){% endhighlight %}
                          ^

Answer 2

Karthik的懒惰匹配解决方案的问题是，当{% highlight %}和{% end highlight %}之间有大的子串时，[\s\S]*?会将越来越多的文本存储到回溯缓冲区中，最终会超出

使用unrolling-the-loop技术，您可以避免这种情况：

{% highlight %}([^{]*(?:{(?!% endhighlight %})[^{]*)*){% endhighlight %}

请参阅regex demo

这样，高亮区块内的子串可以是任意长度，性能将保持快速。

主要的正则表达部分：

• {% highlight %} - 与{% highlight %}文字字面匹配
• ([^{]*(?:{(?!% endhighlight %})[^{]*)*) - 匹配并捕获第1组中未匹配{% endhighlight %}的所有内容：
  • [^{]* - 除{
  以外的0个或多个字符
  • (?:{(?!% endhighlight %})[^{]*)* - 0或更多序列....
    • {(?!% endhighlight %}) - 文字{后面没有% endhighlight %}
    • [^{]* - 除{
    以外的0个或多个字符
• {% endhighlight %} - 与{% endhighlight %}文字字面匹配

这与{% highlight %}([\s\S]*?){% endhighlight %}基本相同，但是“unwraped”。线性执行可确保更安全，更快速的用户体验。

Answer 3

此正则表达式只能获取{% highlight %} ... {% endhighlight %}中的内容：

(?<={% highlight %}).*(?={% endhighlight %})

测试： https://regex101.com/r/nX6wV8/1

对不起我的失败，我希望这可以帮到你

新表达： https://regex101.com/r/qX2cA1/1