正则表达式捕获重复模式的问题

Question

假设我有以下字符串：

Some crap string here...(TRACK "title1" F (S #h88 (P #m6) (P #m31)) (S #k3 (P #m58) (P #m58)))(TRACK "title2" P (S #a54 (P #r8)) (S #v59 (P #a25) (P #y82)))...Some other crap string here 我需要从这个字符串中提取以下数据：

1. title1 2. F 3. (S #h88 (P #m6) (P #m31)) 和 (S #k3 (P #m58) (P #m58))

和

1. title2 2. P 3. (S #a54 (P #r8)) 和 (S #v59 (P #a25) (P #y82))

其中：

1. 是某种标题。 2. 是某种状态。 3. 是某种列表，如 (S #xx (P #xx))。

由于我的正则表达式知识有限，我可以获取1和2，但只能获取3的第一部分。
(S #xx (P #xx))可以存在多次，内部的(P #xx)也可以存在多次。

我尝试了许多正则表达式，并咨询了很多帖子，但我仍然无法按要求提取数据。

所以现在我回到了\(TRACK "(.*?)" ([P|F]) (\(S.*?\)\))，它只捕获此示例字符串中两个列表中的第一个。

请参见：https://regex101.com/r/FM0ZZR/1 我需要做什么才能获取所有描述的列表？

- DigiLive

Answer 1

您可以使用

\(TRACK\s+"([^"]*)"\s+([PF])((?:\s+(\([SP](?:[^()]*+|(?-1))*\)))*\))

请查看正则表达式演示。

细节

• \(TRACK - 匹配 (TRACK 子字符串
• \s+ - 一个或多个空格字符
• " - 一个双引号字符
• ([^"]*) - 第一组: 除双引号字符外的任意零个或多个字符
• " - 一个双引号字符
• \s+ - 一个或多个空格字符
• ([PF]) - 第二组: P 或 F
• ((?:\s+(\([SP](?:[^()]*+|(?-1))*\)))*\)) - 第三组:
  • (?:\s+(\([SP](?:[^()]*+|(?-1))*\)))* - 零个或多个重复的
    • \s+ - 一个或多个空格字符
    • (\([SP](?:[^()]*+|(?-1))*\)) - 第四组 (技术性的，递归必需):
      • \( - 一个左圆括号字符
      • [SP] - S 或 P
      • (?:[^()]*+|(?-1))* - 零个或多个除左圆括号和右圆括号字符外的字符，或最近捕获的整个模式
      • \) - 一个右圆括号字符
  • \) - 一个右圆括号字符。

- Wiktor Stribiżew

---

非常感谢，但不幸的是，这个正则表达式没有捕获每个匹配的第一个(S #xx (P #xx))。例如：(S #h88 (P #m6) (P #m31))。 - DigiLive

@DigiLive 它确实捕获了它，但由于它是一个重复捕获组，只有最后一个值被保留在组内存缓冲区中。您无法使用PCRE模式访问每个单独的捕获，因为它不支持捕获组堆栈。您可以像这样编写它：(?:\G(?!\A)|\(TRACK\s+"([^"]*)"\s+([PF]))\s+(\([SP](?:[^()]*+|(?-1))*\))\)?，但它将不太可用，或需要相当多的额外代码。 - Wiktor Stribiżew

使用 (?-1) 对子模式进行递归很酷，这些模式太棒了 ++ - The fourth bird