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，我很难在 SO 上找到类似问题的答案。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)

所以我试图匹配函数调用中可以包含括号的所有内容。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，我真的不明白为什么。

Answer 1

您的组 e 模式没有做正确的工作，目前，它匹配具有 1 个深度级别的括号，因为您只递归了一次 e 模式。它需要匹配尽可能多的(...) 子字符串，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>[^()]+|\((?&e)\))*。 [^()]* 在\((?&e)\) 附近是多余的，因为[^()]+ 替代方案将在当前深度级别上消耗( 和) 以外的字符。

此外，您量化了 Group e 模式，使其成为 repeated capturing group，仅在上次迭代期间保持文本匹配。

你可以使用

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

见regex demo

详情

• (?<name>\w+)\s*\(\K - 匹配中省略的 1+ 个单词字符、0+ 个空格和 (
• (?<e> - 组开始e
  • [^()]* - 除了 ( 和 ) 之外还有 0+ 个字符
  • (?: - 非捕获组的开始：
    • \( - 一个 ( 字符
    • (?&e) - 组 e 模式递归
    • \) - 一个)
    • [^()]* - 除了 ( 和 ) 之外还有 0+ 个字符
  • )* - 0 次或多次重复
• ) - e 组结束
• (?=\)) - ) 必须紧邻当前位置。

Answer 2

以下正则表达式在不采取额外步骤的情况下进行匹配：

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

见live demo here

但这不匹配以下在带引号的字符串中包含不平衡括号的字符串：

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

所以你应该寻找的是：

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

见live demo here

正则表达式分解：

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

Answer 3

我有没有recursion 的简单正则表达式。

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

现在它处理不平衡的括号，但它不处理在一行上的多个函数。如果您知道函数之间的分隔符，则可以处理它。例如; 如果那是 Java 代码。

Variant 2（连续更新多个函数）：

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

Variant 3（允许在字符串中使用;）：

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

Variant 4（转义字符串）：

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