用于匹配括号中所有内容的递归正则表达式（PCRE）

Question

令我惊讶的是，我不容易找到类似的问题并给出了答案。我想匹配某些功能中的所有内容。这个想法是删除无用的功能。

foo(some (content)) --> some (content)

因此，我试图匹配函数调用中的所有内容，其中可能包含括号。这是我的PCRE正则表达式：

(?<name>\w+)\s*\(\K
(?<e>
     [^()]+
     |
     [^()]*
         \((?&e)\)
     [^()]*
)*
(?=\))

https://regex101.com/r/gfMAIM/1

不幸的是，它不起作用，我也不是很清楚为什么。

Answer 1

您的组e模式执行不正确，当前，您仅递归一次e模式一次，它就会匹配深度为1的括号。它需要匹配存在的(...)个子字符串，因此，子例程模式必须位于*或+量化组中，甚至可以“简化”到(?<e>[^()]*(?:\((?&e)\)[^()]*)*)。

请注意，您的组e模式等于(?<e>[^()]+|\((?&e)\))*。 [^()]*周围的\((?&e)\)是多余的，因为在当前深度级别，[^()]+替代项将消耗(和)以外的字符。

此外，您还对Group e模式进行了量化，使其成为repeated capturing group，仅在上一次迭代期间使文本保持匹配。

您可以使用

(?<name>\w+)\s*\(\K(?<e>[^()]*(?:\((?&e)\)[^()]*)*)(?=\))

请参见regex demo

详细信息

• (?<name>\w+)\s*\(\K-比赛中省略了1个以上的字符字符，0个以上的空格和(
• (?<e>-组e的开始
  • [^()]*-除(和)以外的0多个字符
  • (?:-一个非捕获组的开始：
    • \(-一个(字符
    • (?&e)-组e模式已重新出现
    • \)-一个)
    • [^()]*-除(和)以外的0多个字符
  • )*-重复0次或更多
• )-e组的结尾
• (?=\))-)必须紧邻当前位置的右侧。

Answer 2

以下正则表达式无需执行额外步骤即可进行匹配：

(?<name>\w+)\s*(\((?<e>([^()]*+|(?2))+)\))

请参见live demo here

但这与以下引号字符串中包含不平衡括号的字符串不匹配：

• foo(bar = ')')
• foo(bar(john = "(Doe..."))

所以您应该寻找的是：

(?<name>\w+)\s*(\((?<e>([^()'"]*+|"(?>[^"\\]*+|\\.)*"|'(?>[^'\\]*+|\\.)*'|(?2))+)\))

请参见live demo here

正则表达式细目：

• (?<name>\w+)\s*匹配函数名称和尾随空格
• (集群开始
  • \(匹配文字(
  • (?<e>开始命名捕获组e
    • (开始捕获＃2组
      • [^()'"]*+匹配()'"以外的任何东西
      • |或
      • "(?>[^"\\]*+|\\.)*"匹配双引号之间的所有内容
      • |或
      • '(?>[^'\\]*+|\\.)*'匹配单引号之间的所有内容
      • |或
      • (?2)递归第二个捕获组
    • )+尽可能重复，至少重复一次
  • )捕获组结束
  • \)从字面上匹配)
• )捕获组结束

Answer 3

我有没有recursion的简单正则表达式。

(?<=[\w ]{2}\().*(?=\))

到目前为止，

它处理的是不平衡的假体，但它不处理一行上的多个功能。如果您知道函数之间的分隔符，则可以进行处理。例如;（如果是Java代码）。

Variant 2（已针对多项功能更新）：

(?<=[\w ]\()[^;\n]*(?=\))

Variant 3（允许;字符串）：

(?<=[\w ]\()([^;\n]|".*?")*(?=\))    

Variant 4（转义字符串）：

(?<=[\w \n]\()(?:[^;\n"]|(?:"(?:[^"]|\\")*?(?<!\\)"))*(?=\))