Question

我试图编写一个递归正则表达式来捕获代码块，但由于某种原因它似乎没有正确捕获它们。我希望下面的代码能够捕获函数的完整主体，但它只捕获第一个if语句的内容。

它几乎像.+?以某种方式吞噬了第一个{，但它应该是非贪婪的，所以我不明白为什么它会。

是什么导致它以这种方式行事？

脚本：

use strict;
use warnings;

my $text = << "END";
int max(int x, int y)
{
    if (x > y)
    {
        return x;
    }
    else
    {
        return y;
    }
}
END

# Regular expression to capture balanced "{}" groups
my $regex = qr/
    \{              # Match opening brace
        (?:         # Start non-capturing group
            [^{}]++ #     Match non-brace characters without backtracking
            |       #     or
            (?R)    #     Recursively match the entire expression
        )*          # Match 0 or more times
    \}              # Match closing brace
/x;

# is ".+?" gobbling up the first "{"?
# What would cause it to do this?
if ($text =~ m/int\s.+?($regex)/s){
    print $1;
}

输出：

{
        return x;
    }

预期输出：

{
    if (x > y)
    {
        return x;
    }
    else
    {
        return y;
    }
}

我知道有一个Text::Balanced模块用于此目的，但我试图手动执行此操作以了解有关正则表达式的更多信息。

Answer 1

(?R)进入整个模式 - 但整个模式是什么？将引用的$regex嵌入/int\s.+?($regex)/后，模式会重新编译，(?R)会引用新模式。这不是你想要的。

我建议您使用命名的捕获，以便您可以按名称递归。更改$regex之类的

/(?<nestedbrace> ... (?&nestedbrace) ...)/

如果您想避免额外的捕获，可以使用(?(DEFINE) ...)语法声明以后可以调用的命名正则表达式模式：

my $define_nestedbrace_re = qr/(?(DEFINE)
  (?<nestedbrace ... (?&nestedbrace) ...)
)/x;

然后：/int\s.+?((?&nestedbrace))$define_nestedbrace_re/

这不会创造额外的捕获。但是，通常不可能编写封装的正则表达式片段。喜欢命名捕获而不是编号捕获的技术可以在这里提供帮助。

Answer 2

您可以将递归模式更改为此模式：

var raycaster = new THREE.Raycaster();

请注意使用/int\s+.*? ( \{ # Match opening brace (?: # Start non-capturing group [^{}]++ # Match non-brace chars without backtracking | # OR (?-1) # Recursively match the previous group )* # Match 0 or more times \} )/sx代替(?-1)来递归整个匹配的模式。
(?R)是以前捕获组的反向引用。

Updated RegEx Demo

为什么这个递归正则表达式没有捕获整个代码块？

2 个答案: