用于匹配括号中的所有内容的递归正则表达式（PCRE）

Question

我很惊讶，不容易找到一个类似的问题与答案的SO。 我想在某些功能中匹配所有内容。 想法是删除无用的功能。

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

所以我试图匹配函数调用中的所有内容，包括括号。 这是我的PCRE正则表达式：

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

不幸的是它不起作用，我不明白为什么。

Answer 1

您的组e模式没有正确的工作，目前，它匹配1个深度级别的括号，因为您只复制了一次e模式。 它需要匹配尽可能多的(...)子串，因此，子程序模式需要在*或+量化组内，甚至可以“简化”为(?<e>[^()]*(?:\\((?&e)\\)[^()]*)*) 。

请注意，您的组e模式等于(?<e>[^()]+|\\((?&e)\\))* 。 [^()]*围绕\\((?&e)\\)是多余的，因为[^()]+替代将消耗当前深度级别上的(和)之外的字符。

此外，您量化了组e模式，使其成为重复捕获组，仅在最后一次迭代期间保持文本匹配。

你可以用

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

细节

(?<name>\\w+)\\s*\\(\\K - 1+个字符，0 +空格和(从匹配中省略）
(?<e> - 小组e开始
- [^()]* - 除了(和)以外的0+个字符
- (?: - 非捕获组的开始：
  - \\( - a ( char
  - (?&e) - 递归组e模式
  - \\) - a )
  - [^()]* - 除了(和)以外的0+个字符
- )* - 重复0次或更多次
) - e组结束
(?=\\)) - a )必须立即在当前位置的右侧。

Answer 2

以下正则表达式进行匹配而不采取额外步骤：

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

但是，这与在带引号的字符串中包含不平衡括号的后续字符串不匹配：

所以你应该寻找的是：

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

正则表达式细分：

(?<name>\\w+)\\s*匹配函数名称和尾随空格
(群集的开始
- \\(匹配文字(
- (?<e>命名捕获组e
  - (开始捕获组＃2
    - [^()'"]*+匹配除()'"之外的任何东西
    - | 要么
    - "(?>[^"\\\\]*+|\\\\.)*"匹配双引号之间的任何内容
    - | 要么
    - '(?>[^'\\\\]*+|\\\\.)*'匹配单引号之间的任何内容
    - | 要么
    - (?2)递归第二个捕获组
  - )+尽可能重复，至少一次
- )捕获组结束
- \\)匹配)字面意思
)捕获组结束

Answer 3

我有简单的正则表达式没有递归。

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

到目前为止它处理的是不平衡的perenthesis，但它不处理一行中的多个函数。 如果你知道函数之间的delmiters，它可能会被handeled。 例如; 如果那是Java代码。

变体2 （针对一行中的多个函数进行了更新）：

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

变体3 （允许;在字符串中）：

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

变体4 （逃避字符串）：

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