正则表达式递归：第 N 个子模式答案

【问题标题】：Regex Recursion: Nth Subpatterns正则表达式递归：第 N 个子模式
【发布时间】：2018-08-17 17:56:29
【问题描述】：

我正在尝试学习正则表达式中的递归，并对 PCRE 风格中的概念有一个基本的了解。我想断一个字符串：

Geese (Flock) Dogs (Pack)

进入：

Full Match: Geese (Flock) Dogs (Pack) 
Group 1: Geese (Flock)
Group 2: Geese
Group 3: (Flock)
Group 4: Dogs (Pack)
Group 5: Dogs
Group 6: (Pack)

我知道这两个正则表达式都不能做到这一点，但我更好奇first 模式有效而second 无效的原因。

Pattern 1: ((.*?)(\(\w{1,}\)))((.*?)(\g<3>))*
Pattern 2: ((.*?)(\(\w{1,}\)))((\g<2>)(\g<3>))*

另外，例如，如果您正在处理一个长字符串，并且一个模式重复自身，是否可以不断扩展完整匹配，并逐步增加组，而无需编写与正则表达式分开的循环语句。

Full Match: Geese (Flock) Dogs (Pack) Elephants (Herd) 
Group 1: Geese (Flock)
Group 2: Geese
Group 3: (Flock)
Group 4: Dogs (Pack)
Group 5: Dogs
Group 6: (Pack)
Group 7: Elephants (Herd)
Group 8: Elephants 
Group 9: (Herd)

这是closest我遇到的这种模式，但是中间组：Dogs (Pack) 变成了 Group 0。

((.*?)(\(\w{1,}\)))((.*?)(\g<3>))*

【问题讨论】：

关于 Q2，重复捕获组只保留最后匹配的出现，这是 SO 上的常见问题。 Q1 很容易回答，但需要时间来解释：recursion levels are atomic in PCRE。
另外，请参阅this thread，这甚至可能是欺骗的原因。
谢谢你会看的。
现在，如果您已经阅读了我在该主题上的回答，一切都清楚了吗？或者您需要澄清一下吗？
关于第一部分，我已经浏览了链接和您的 SO 答案，但它仍然没有点击。我理解原子性，一旦找到匹配项，它就不会重新输入。我这里做错的其实和第一组的使用有关，是和组的定位有关，还是两者的结合？

标签： regex pcre regex-group regex-greedy regex-recursion

【解决方案1】：

请注意，PCRE 中的递归级别是原子的。一旦这些模式找到匹配项，就永远不会重试。

见Recursion and Subroutine Calls May or May Not Be Atomic:

Perl 和 Ruby 如果递归后正则表达式的其余部分失败，则回溯到递归。他们根据需要尝试递归的所有排列，以允许正则表达式的其余部分匹配。 PCRE 将递归视为 atomic。 PCRE 在递归期间通常会回溯，但是一旦递归匹配，它就不会尝试任何进一步的递归排列，即使正则表达式的其余部分无法匹配。结果是 Perl 和 Ruby 可能会找到 PCRE 找不到的正则表达式匹配，或者 Perl 和 Ruby 可能会找到不同的正则表达式匹配。

你的第二个模式，在第一个递归级别，看起来像

((.*?)(\(\w{1,}\)))(((?>.*?))((?>\(\w{1,}\))))*
                     ^^^^^^^  ^^^^^^^^^^^^^^

见demo。也就是说，\g<2> 是 (?>.*?)，而不是 .*?。这意味着，在((.*?)(\(\w{1,}\))) 模式匹配Geese (Flock) 之后，正则表达式引擎尝试匹配(?>.*?)，发现它是一个不需要消耗任何字符的惰性模式，跳过它（并且永远不会回到此模式），并尝试与 (?>\(\w{1,}\)) 匹配。由于) 之后没有(，因此正则表达式返回它所使用的内容。

关于第二个问题，这是一个常见的问题。使用 PCRE 正则表达式不可能获得任意数量的捕获，因为在重复捕获的情况下，只有最后一个捕获的值存储在组缓冲区中。结果数组中的子匹配数不能多于正则表达式模式内的捕获组数。详情请见Repeating a Capturing Group vs. Capturing a Repeated Group。

【讨论】：