用于模板子循环的递归正则表达式

Question

所以我查看了How to write a recursive regex that matches nested parentheses? 和其他递归正则表达式匹配的解决方案，但我仍然没有在 RegexBuddy 上得到正确的匹配。

我有一个我想自己解析的通用车把样式模板，一个带有标题的表格：

<table>
    <thead>
        <tr>
            {{#each columns as col }}<th>{{col}}</th>{{/each}}
        </tr>
    </thead>
    <tbody>
        {{#each rows as row }}
        <tr>
            {{#each row as col }}<td>col</td>{{/each}}
        </tr>
        {{/each}}
    </tbody>
</table>

并试图匹配

/{{\#each (\w+) as (\w+) }}(.*?|(?R)){{/each}}/s

正则表达式匹配<thead> 中的{{#each columns... 就好了，但它似乎忽略了|(?R) 部分并且仅匹配{{#each rows... 直到第一个 {{/each}}。当然，我希望它匹配内部和外部 #each 表达式。如何？这可能比简单的嵌套括号复杂得多。

（我一直觉得我是 RegEx 的专业人士，直到我遇到这样的事情。我已经尝试了一段时间来完成这项工作，而正则表达式.info 让我更加困惑。）

---

我目前正在通过{{#each_sub...}}...{{/each_sub}} 解决此问题，因此我的正则表达式不会在第一个结束标记处停止，但这显然是一种次优的方法。我还有其他几个应用程序可以从递归正则表达式中受益，但无法弄清楚我做错了什么。

Answer 1

它没有忽略递归，它只是永远不会到达它。因为.*? 能够匹配您的分隔符（{{#each...}} 和{{/each}}），所以它匹配找到的第一个结束分隔符并报告成功，而无需递归。

要使这项技术发挥作用，(?R) 之前的分支必须匹配任何 分隔符。由于您的分隔符由多个字符组成，因此您不能像在您链接到的问题中那样使用否定字符类。相反，您需要使用tempered greedy token：

(?:(?!{{[#/]each\b).)*

这与.* 相同，除了在使用每个字符之前，它会检查以确保它不是{{#each 或{{/each 的开头。这是在上下文中：

{{\#each (\w+) as (\w+) }}(?:(?:(?!{{[#/]each\b).)*|(?R))*{{/each}}

如果第一个分支失败，这意味着您遇到了一些看起来像分隔符的东西。如果它是 opening 分隔符，则第二个分支接管并尝试递归匹配整个模式。否则，它会跳出循环（注意组后面的 * ——你也错过了）并尝试匹配结束分隔符。

虽然上面的正则表达式可以在有效输入上正常工作，但如果输入格式错误，它会遭受灾难性的回溯。为避免这种情况，您可以使用unrolled loop 代替交替（正如@Wiktor 在他的评论中所做的那样）：

{{\#each\s+(\w+)\s+as\s+(\w+)\s*}}(?:(?!{{[#/]each\b).)*(?:(?R)(?:(?!{{[#/]each\b).)*)*{{/each}}

这是一个更易读的版本，添加了所有格量词以提高速度：

{{\#each\s+(\w+)\s+as\s+(\w+)\s*}}
(?:(?!{{[#/]each\b).)*+
(?:
  (?R)
  (?:(?!{{[#/]each\b).)*+
)*+
{{/each}}