PHP正则表达式模式匹配递归

Question

我在一个函数中有这个，它应该用其中包含的内容替换任何括号序列，例如 (abc) 变为 abc 任何它甚至递归出现的地方，因为括号可以嵌套。

$return =   preg_replace_callback(
    '|(\((.+)\))+|',
    function ($matches) {
        return $matches[2];
    },
    $s
);

当上面的正则表达式输入这个字符串"a(bcdefghijkl(mno)p)q"作为输入时，它返回"ap)onm(lkjihgfedcbq"。这表明正则表达式匹配一次。我该怎么做才能让它继续匹配，即使在已经匹配的内部并产生这个 `abcdefghijklmnopq'"

Answer 1

要匹配平衡的括号子字符串，您可以在preg_replace_callback 方法中使用众所周知的\((?:[^()]++|(?R))*\) 模式（在Matching Balanced Constructs 中描述），其中可以进一步操作匹配值（只需删除所有( 和) 匹配中的符号即使没有正则表达式也很容易做到：

$re = '/\((?:[^()]++|(?R))*\)/';
$str = 'a(bcdefghijkl(mno)p)q((('; // Added three ( at the end
$result = preg_replace_callback($re, function($m) {
    return str_replace(array('(',')'), '', $m[0]);
}, $str);
echo $result; // => abcdefghijklmnopq(((

见PHP demo

要获得重叠匹配，您需要使用已知技术，在正向前瞻中捕获，但您将无法同时执行两个操作（替换和匹配），您可以先运行匹配，然后替换：

$re = '/(?=(\((?:[^()]++|(?1))*\)))/';
$str = 'a(bcdefghijkl(mno)p)q(((';
preg_match_all($re, $str, $m);
print_r($m[1]);
// => Array ( [0] => (bcdefghijkl(mno)p)  [1] => (mno) )

请参阅PHP demo。

Answer 2

算法的后置条件到底应该是什么还不太清楚。在我看来，您想要删除匹配的 ( ) 对。这里的假设是不匹配的括号被单独留下（否则您只需删除所有 ( 和 )）。

所以我猜这意味着输入字符串a(bcdefghijkl(mno)p)q 变为abcdefghijklmnopq 但输入字符串a(bcdefghijkl(mno)pq 变为a(bcdefghijklmnopq。同样，输入字符串 (a)) 将变为 a)。

使用pcre 或许可以做到这一点，因为它确实提供了一些非常规的功能，但我对此表示怀疑。输入字符串的语言不规则；它与上下文无关。 @ArtisticPhoenix 的答案是匹配 complete 对匹配的括号。它不匹配所有嵌套对。在我对语言理论的谦虚理解中，这种嵌套匹配本质上是非常规的。

我建议编写一个解析器来去除匹配的括号对。不得不考虑不匹配的作品有点冗长：

<?php

// Parse the punctuator sub-expression (i.e. anything within ( ... ) ).
function parse_punc(array $tokens,&$iter) {
    if (!isset($tokens[$iter])) {
        return;
    }

    $inner = parse_punc_seq($tokens,$iter);
    if (!isset($tokens[$iter]) || $tokens[$iter] != ')') {
        // Leave unmatched open parentheses alone.
        $inner = "($inner";
    }

    $iter += 1;
    return $inner;
}

// Parse a sequence (inside punctuators).
function parse_punc_seq(array $tokens,&$iter) {
    if (!isset($tokens[$iter])) {
        return;
    }

    $tok = $tokens[$iter];
    if ($tok == ')') {
        return;
    }
    $iter += 1;

    if ($tok == '(') {
        $tok = parse_punc($tokens,$iter);
    }

    $tok .= parse_punc_seq($tokens,$iter);
    return $tok;
}

// Parse a sequence (outside punctuators).
function parse_seq(array $tokens,&$iter) {
    if (!isset($tokens[$iter])) {
        return;
    }

    $tok = $tokens[$iter++];
    if ($tok == '(') {
        $tok = parse_punc($tokens,$iter);
    }

    $tok .= parse_seq($tokens,$iter);
    return $tok;
}

// Wrapper for parser.
function parse(array $tokens) {
    $iter = 0;
    return strval(parse_seq($tokens,$iter));
}

// Grab input from stdin and run it through the parser.
$str = trim(stream_get_contents(STDIN));
$tokens = preg_split('/([\(\)])/',$str,-1,PREG_SPLIT_DELIM_CAPTURE | PREG_SPLIT_NO_EMPTY);
var_dump(parse($tokens));

我知道这比正则表达式单行代码要多得多，但它确实解决了我理解的问题。我很想知道是否有人可以用正则表达式解决这个问题。

Answer 3

试试这个，

  preg_match('/\((?:[^\(\)]*+|(?0))*\)/', $str )

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

它将匹配 ( ) 内的所有内容，只要它们是匹配的对。

例子

(abc) (abc (abc))

将有以下匹配项

Match 1
   Full match   0-5 `(abc)`
Match 2
   Full match   6-17    `(abc (abc))`