正则表达式——详细讲解平衡组

这篇文章适合你吗？

        要读懂这篇文章的精髓，你最好要有一点正则匹配原理的基础。比如“.*?”匹配文本内容“asp163”，稍懂正则表达式的人都知道可以匹配，但是你知道他的匹配过程吗？如果你不太清楚，那么下面的内容，对你来说可能不太适合，或许，看的太吃力且无法领悟平衡组的用法。因此，我建议你先看看：正则表达式NFA引擎的匹配原理(很抱歉，这篇文章还没完成，下面的具体内容也尚未完成，如果你看到这句话，说明我正在努力中。。。。想要整理一份易懂易描述的话，的确要费些时间，我准备出一个关于正则的教程，针对网上一些比较出名的技术文章——这些文章的确要有一点正则基础的人才能看的，因为他们似乎都忽略了细节的处理，而且图文的描述并不是理想，因此，我正在研究教程录制，有兴趣的朋友，期待一下吧，或者送给我鸡蛋，或者鲜花。我的确好长时间没吃鸡蛋了。谢谢)

一般正则教程中对平衡组的介绍

如果想要匹配可嵌套的层次性结构的话，就得使用平衡组了。举个例子吧，如何把“xx <aa <bbb> <bbb> aa> yy”这样的字符串里，最长的括号内的内容捕获出来？

这里需要用到以下的语法构造：

(?<group>) 把捕获的内容命名为group,并压入堆栈
(?<-group>) 从堆栈上弹出最后压入堆栈的名为group的捕获内容，如果堆栈本来为空，则本分组的匹配失败
(?(group)yes|no) 如果堆栈上存在以名为group的捕获内容的话，继续匹配yes部分的表达式，否则继续匹配no部分
(?!) 顺序否定环视，由于没有后缀表达式，试图匹配总是失败

如果你不是一个程序员（或者你是一个对堆栈的概念不熟的程序员），你就这样理解上面的三种语法吧：第一个就是在黑板上写一个（或再写一个）"group"，第二个就是从黑板上擦掉一个"group"，第三个就是看黑板上写的还有没有"group"，如果有就继续匹配yes部分，否则就匹配no部分。

我们需要做的是每碰到了左括号，就在黑板上写一个"group"，每碰到一个右括号，就擦掉一个，到了最后就看看黑板上还有没有－如果有那就证明左括号比右括号多，那匹配就应该失败（为了能看得更清楚一点，我用了(?'group')的语法）：

 

<                 #最外层的左括号
  [^<>]*          #最外层的左括号后面的不是括号的内容
  (
    (
      (?'Open'<)  #碰到了左括号，在黑板上写一个"Open"
      [^<>>]