使用正则表达式平衡匹配括号

Question

我想创建一个.NET正则表达式，能够正确平衡我的括号。我有以下正则表达式：

func([a-zA-Z_][a-zA-Z0-9_]*)\(.*\)

我试图匹配的字符串是这个：

"test -> funcPow((3),2) * (9+1)"

正则表达式应该匹配从funcPow到第二个右括号的所有内容，然后在第二个右括号之后停止。但实际上，它一直匹配到最后一个右括号。正则表达式返回：

"funcPow((3),2) * (9+1)"

它应该返回这个：

"funcPow((3),2)"

任何帮助将不胜感激。

- Icemanind

Answer 1

正则表达式绝对可以进行平衡括号匹配。这可能有些棘手，需要一些更高级的正则表达式功能，但并不太难。

示例：

var r = new Regex(@"
    func([a-zA-Z_][a-zA-Z0-9_]*) # The func name

    \(                      # First '('
        (?:                 
        [^()]               # Match all non-braces
        |
        (?<open> \( )       # Match '(', and capture into 'open'
        |
        (?<-open> \) )      # Match ')', and delete the 'open' capture
        )+
        (?(open)(?!))       # Fails if 'open' stack isn't empty!

    \)                      # Last ')'
", RegexOptions.IgnorePatternWhitespace);

平衡匹配组具有一些特点，但对于此示例，我们只使用了捕获删除功能。行(?<-open> \) )将匹配一个)并删除先前的“open”捕获。

最棘手的一行是(?(open)(?!))，所以让我解释一下。 (?(open)是一个条件表达式，仅在存在“open”捕获时匹配。 (?!)是一个始终失败的否定表达式。因此，(?(open)(?!))表示“如果存在open捕获，则失败”。

Microsoft的文档也非常有帮助。（原文链接）

- Scott Rippey

---

我修改了这行代码 [^()]* # 匹配所有非括号字符，使其匹配空括号 ()。 - Tono Nam

Answer 2

使用平衡组，可以做到：

Regex rx = new Regex(@"func([a-zA-Z_][a-zA-Z0-9_]*)\(((?<BR>\()|(?<-BR>\))|[^()]*)+\)");

var match = rx.Match("funcPow((3),2) * (9+1)");

var str = match.Value; // funcPow((3),2)

(?<BR>\()|(?<-BR>\))是平衡组的表示方法（我用BR命名是指括号）。也许这样写更清晰一些：(?<BR>\()|(?<-BR>\))，这样\(和\)就更加明显了。

如果你真的足够恨自己（以及世界/你的同行程序员）来使用这些东西，我建议使用RegexOptions.IgnorePatternWhitespace并在各处添加空格 :-)

- xanatos

---

我认为您缺少了最后的关键部分，(?(BR)(?!))。 - Scott Rippey

@ScottRippey 不是的。在右括号 ) 之后还有其他表达式。OP 的问题非常明确。他想要的是 funcsomething()，而不是解析整个表达式。因此，我找到的第一个“不平衡”的括号是我的子表达式的右括号。funcPow((3),2) * (9+1) -> funcPow((3),2) - xanatos

哦，我意识到(?(BR)(?!))只是为了确保开括号有对应的闭括号。微软的网站上写道："最后一个子表达式(?(Open)(?!))表示输入字符串中的嵌套结构是否正确平衡"。 - Scott Rippey

@ScottRippey 就像你写的一样 :-) 请注意，它是一个类型为 (?(name)yes|no) 的交替结构 http://msdn.microsoft.com/en-us/library/36xybswe(v=VS.71).aspx 与一个总是失败的负向先行断言表达式 (?!) 的组合。因此，它的含义是 "如果有名为 name 的捕获，则失败"。 - xanatos

这是一个很好的讨论 :-) 我们想法一致。太一致了。现在我必须消灭你。对不起。 - Scott Rippey

仅供记录，包含 (?(BR)(?!)) 和不包含它的区别在于，如果没有足够的闭合括号，则不包含它的表达式将匹配到并包括最后一个闭合括号。而包含它的表达式作为整体将不会匹配。 - Rawling

Answer 3

正则表达式只能用于正则语言。这意味着正则表达式可以找到“a和b的任意组合”。（ab或babbabaaa等）但是它们无法找到“n个a，一个b，n个a”。（a^n b a^n）正则表达式无法保证第一组a与第二组a匹配。

因此，它们无法匹配相等数量的开放和关闭括号。编写一个函数逐个字符遍历字符串就足够了。有两个计数器，一个用于开放括号，一个用于关闭括号。在遍历字符串时增加指针，如果opening_paren_count != closing_parent_count则返回false。

- jb.

---

或许是这样，但只要你理解了它们的限制，正则表达式几乎可以用于任何类型的文本。递归/平衡模式虽然难看（在我看来），而且很少值得花费心思，但许多正则表达式工具都支持它们。 - Alan Moore

Answer 4

func[a-zA-Z0-9_]*\((([^()])|(\([^()]*\)))*\)

你可以使用它，但如果你正在使用.NET，可能会有更好的选择。

这部分你已经知道了：

 func[a-zA-Z0-9_]*\( --weird part-- \)

--奇怪的部分--只是意味着：(允许任何字符.，或|任何部分(.*)存在多次，尽可能多地匹配)*。唯一的问题是，你不能匹配任何字符.，必须使用[^()]来排除括号。

(([^()])|(\([^()]*\)))*

- rkw

---

你应该明确指出这只适用于一层嵌套。 - Scott Rippey

@ScottRippey：如果在该函数内部存在一个函数，它仍然有效。 | 条件可以处理这个问题。你能举一个这个正则表达式会提供错误匹配的例子吗？ - rkw

它能够正确地工作，并且正好符合OP的要求，所以这是一个好答案。然而，它是硬编码为仅匹配一个嵌套级别，因此无法匹配：func(a(b(c)d)e)。不清楚OP是否需要这个。 - Scott Rippey