98

我只是在阅读一个关于如何在双花括号内获取数据的问题（这个问题），然后有人提出了平衡组。我仍然不太确定它们是什么以及如何使用它们。

我通读了平衡组定义，但解释很难理解，而且我对我提到的问题仍然很困惑。

有人可以简单地解释什么是平衡组以及它们如何有用吗？

4

2 回答 2

187

据我所知，平衡组是 .NET 的正则表达式所独有的。

旁白：重复组

首先，您需要知道 .NET 是（再次，据我所知）唯一允许您访问单个捕获组的多个捕获的正则表达式风格（不是在反向引用中，而是在匹配完成之后）。

为了举例说明这一点，请考虑模式

(.)+

和字符串"abcd"。

在所有其他正则表达式风格中，捕获组1只会产生一个结果：（d注意，完全匹配当然会abcd如预期的那样）。这是因为捕获组的每次新使用都会覆盖以前的捕获。

另一方面，.NET 会记住所有这些。它在堆栈中这样做。在匹配上面的正则表达式之后

Match m = new Regex(@"(.)+").Match("abcd");

你会发现

m.Groups[1].Captures

是一个CaptureCollection其元素对应于四个捕获

0: "a"
1: "b"
2: "c"
3: "d"

其中数字是CaptureCollection. 所以基本上每次再次使用该组时，都会将一个新的捕获推入堆栈。

如果我们使用命名的捕获组，它会变得更有趣。因为 .NET 允许重复使用相同的名称，我们可以编写一个正则表达式，例如

(?<word>\w+)\W+(?<word>\w+)

将两个单词捕获到同一组中。同样，每次遇到具有特定名称的组时，都会将捕获推送到其堆栈中。所以将此正则表达式应用于输入"foo bar"并检查

m.Groups["word"].Captures

我们找到两个捕获

0: "foo"
1: "bar"

这使我们甚至可以从表达式的不同部分将内容推送到单个堆栈中。但是，这只是 .NET 能够跟踪此 .NET 中列出的多个捕获的功能CaptureCollection。但我说，这个集合是一个堆栈。那么我们可以从中弹出 东西吗？

输入：平衡组

事实证明我们可以。如果我们使用类似 的组，则如果子表达式匹配(?<-word>...)，则从堆栈中弹出最后一个捕获。因此，如果我们将之前的表达式更改为word...

(?<word>\w+)\W+(?<-word>\w+)

然后第二组会弹出第一组的捕获，CaptureCollection最后我们会收到一个空的。当然，这个例子是毫无用处的。

但是减号语法还有一个细节：如果堆栈已经为空，则组失败（无论其子模式如何）。我们可以利用这种行为来计算嵌套级别——这就是名称平衡组的来源（以及它变得有趣的地方）。假设我们要匹配正确括起来的字符串。我们将每个左括号压入堆栈，并为每个右括号弹出一个捕获。如果我们遇到一个右括号太多，它会尝试弹出一个空堆栈并导致模式失败：

^(?:[^()]|(?<Open>[(])|(?<-Open>[)]))*$

所以我们有三个重复的选择。第一种选择消耗所有不是括号的东西。第二种选择匹配(s，同时将它们推入堆栈。第三种选择匹配)s，同时从堆栈中弹出元素（如果可能！）。

注意：为了澄清，我们只检查没有不匹配的括号！这意味着根本不包含括号的字符串将匹配，因为它们在语法上仍然有效（在某些需要括号匹配的语法中）。如果您想确保至少有一组括号，只需(?=.*[(])在^.

但是，这种模式并不完美（或完全正确）。

结局：条件模式

还有一个问题：这并不能确保堆栈在字符串末尾是空的（因此(foo(bar)是有效的）。.NET（和许多其他风格）还有另一种可以帮助我们的构造：条件模式。一般语法是

(?(condition)truePattern|falsePattern)

其中falsePattern是可选的 - 如果省略它，则 false-case 将始终匹配。条件可以是模式，也可以是捕获组的名称。我将在这里重点讨论后一种情况。如果它是捕获组的名称，则truePattern当且仅当该特定组的捕获堆栈不为空时才使用。也就是说，一个条件模式，如(?(name)yes|no)“如果name匹配并捕获了某些东西（仍在堆栈上），则使用模式，yes否则使用模式no”。

因此，在上述模式的末尾，如果-stack 不为​​空，我们可以添加类似(?(Open)failPattern)的内容，从而导致整个模式失败。Open使模式无条件失败的最简单的事情是(?!)（空的否定前瞻）。所以我们有我们的最终模式：

^(?:[^()]|(?<Open>[(])|(?<-Open>[)]))*(?(Open)(?!))$

请注意，这种条件语法本身与平衡组无关，但有必要利用它们的全部力量。

从这里开始，天空就是极限。许多非常复杂的用途是可能的，并且在与其他 .NET-Regex 功能（例如可变长度后视）结合使用时会出现一些问题（我必须自己努力学习）。然而，主要问题始终是：使用这些功能时，您的代码是否仍然可维护？你需要很好地记录它，并确保每个使用它的人都知道这些特性。否则你可能会更好，只需手动逐个字符地遍历字符串并以整数计算嵌套级别。

附录：(?<A-B>...)语法是什么？

这部分的学分归 Kobi 所有（有关更多详细信息，请参阅下面的答案）。

现在有了以上所有内容，我们可以验证一个字符串是否正确括起来。但是，如果我们实际上可以（嵌套）捕获所有这些括号的内容，它会更有用。当然，我们可以记住在未清空的单独捕获堆栈中打开和关闭括号，然后在单独的步骤中根据它们的位置进行一些子字符串提取。

但是 .NET 在这里提供了一个更方便的特性：如果我们使用(?<A-B>subPattern)，不仅从 stack 中弹出一个捕获B，而且在弹出的捕获B和当前组之间的所有内容都被推送到 stack 上A。因此，如果我们使用这样的组作为右括号，同时从堆栈中弹出嵌套级别，我们还可以将对的内容推送到另一个堆栈：

^(?:[^()]|(?<Open>[(])|(?<Content-Open>[)]))*(?(Open)(?!))$

Kobi在他的回答中提供了这个Live-Demo

因此，将所有这些东西放在一起，我们可以：

  • 记住任意多个捕获
  • 验证嵌套结构
  • 捕获每个嵌套级别

全部在一个正则表达式中。如果那不令人兴奋... ;)

当我第一次了解它们时，我发现一些有用的资源：

于 2013-06-08T22:16:06.020 回答
44

只是 M. Buettner 出色答案的一个小补充：

(?<A-B>)语法有什么问题？

(?<A-B>x)与 略有不同(?<-A>(?<B>x))。它们产生相同的控制流*，但捕获方式不同。
例如，让我们看一下平衡大括号的模式：

(?:[^{}]|(?<B>{)|(?<-B>}))+(?(B)(?!))

在比赛结束时，我们确实有一个平衡的字符串，但这就是我们所拥有的 - 我们不知道大括号在哪里，因为堆栈B是空的。引擎为我们所做的辛勤工作已经一去不复返了。
（正则表达式风暴示例）

(?<A-B>x)是该问题的解决方案。如何？它不捕获xinto $A：它捕获上一次捕获B和当前位置之间的内容。

让我们在我们的模式中使用它：

(?:[^{}]|(?<Open>{)|(?<Content-Open>}))+(?(Open)(?!))

$Content对于沿途的每一对，这将捕获到大括号（及其位置）之间的字符串中。
对于字符串{1 2 {3} {4 5 {6}} 7}，将有四个捕获：3、6、4 5 {6}和1 2 {3} {4 5 {6}} 7- 比没有或. 好得多} } } }。
（例如-单击table选项卡并查看${Content}，捕获）

事实上，它完全可以在没有平衡的情况下使用：(?<A>).(.(?<Content-A>).)捕获前两个字符，即使它们是按组分隔的。
（前瞻在这里更常用，但它并不总是可扩展的：它可能会重复您的逻辑。）

(?<A-B>)是一个强大的功能 - 它可以让您精确控制您的捕获。当你试图从你的模式中获得更多时，请记住这一点。

于 2013-06-09T17:52:18.557 回答