正则表达式通过忽略内部标签来匹配结束标签

Question

我想抓取MediaWiki格式的图片标签，例如

<块引用>

[[ 图片：Justus Sustermans - 伽利略·伽利莱的肖像 (Uffizi).jpg|left|thumb|upright|[[Galileo]] 通常被称为 [[现代天文学]]之父，[[贾斯图斯]的肖像 萨斯特曼]]]]

我必须忽略内部 [[...]] 以匹配整体（以粗体 [[ 和 ]] 显示）。我想出了

\[\[Image:((?:[^]]*+(?:(?!\[\[)|(?R))*+)*+)\]\]

但它在第一个 ]] 处停止。

Fiddle

Answer 1

或者您可以寻找平衡的方括号，但使用环视限制两端的规则：

(?=\[\[Image:)(\[(?:[^][]|(?1))*])(?<=]])

• (?=\[\[Image:) Lookahead 搜索以 [[Image: 开头的字符串
• (\[(?:[^][]|(?1))*]) 使用递归平衡嵌套方括号
• (?<=]]) Lookbehind 搜索以 ]] 结尾的字符串

见test cases

---

如果您不关心里面的括号是否平衡，而只想做出假设并排除 [[ ]] 对。这个应该可以解决问题：

\[\[Image:(?:\[\[.*?]]|.)*?]]

见test cases

Answer 2

你可以使用

\[\[Image:((?:[^][]+|(\[\[(?:[^][]++|(?-1))*]]))*)]]

参见regex demo。

详情：

• \[\[Image: - 文字 [[Image: 字符串
• ((?:[^][]+|(\[\[(?:[^][]++|(?-1))*]]))*) - 第 1 组：
  • (?:[^][]|(\[\[(?:[^][]++|(?-1))*]]))* - 零次或多次出现
    • [^][]+ - 除了 [ 和 ]
    之外的任何一个或多个字符
    • | - 或
    • (\[\[(?:[^][]++|(?-1))*]]) - 第 2 组（技术性的，用于递归）：嵌套的 [[ 和 ]] 之间的子字符串
• ]] - ]] 字符串。

注意：如果您确定只能有一个嵌套级别的双方括号，您可以使用

\[\[Image:([^][]*(?:\[\[[^][]*]][^][]*)*)]]

见this regex demo。此处，([^][]*(?:\[\[[^][]*]][^][]*)*) 将除 [ 和 ] 之外的任何零个或多个字符捕获到组 1 中，然后匹配双方括号之间出现的零个或多个子字符串，并且内部没有方括号，并且然后是除 [ 和 ] 之外的零个或多个字符。