C# 使用平衡组的正则表达式

我有一个基本的文本模板引擎，它使用如下语法：

foo bar
%IF MY_VAR
  some text
  %IF OTHER_VAR
    some other text
  %ENDIF
%ENDIF
bar foo

我对用于解析它的正则表达式有一个问题，因为它没有考虑嵌套的IF/ENDIF块

我正在使用的当前正则表达式是：

%IF（？[\w\u]+）（？*？）%ENDIF

我一直在阅读关于平衡捕获组（一个.NET正则表达式库的功能）的文章，因为我知道这是支持.NET中“递归”正则表达式的推荐方法

我一直在玩平衡小组，到目前为止，我得出了以下结论：

(
 (
  (?'Open'%IF\s(?<Name>[\w_]+))
  (?<Contents>.*?)
 )+
 (
  (?'Close-Open'%ENDIF)(?<Remainder>.*?)
 )+
)*
(?(Open)(?!))

(
(
（？“打开“%IF\s（？[\w\u]））
(?.*?)
)+
(
（？'关闭-打开“%ENDIF”）（？*？）
)+
)*
（？（开放）（？！））

---

但这并不完全符合我的预期。例如，它捕获了许多空组。帮助？

要捕获带有平衡IF语句的整个IF/ENDIF块，可以使用以下正则表达式：

%IF\s+(?<Name>\w+)
(?<Contents>
    (?> #Possessive group, so . will not match IF/ENDIF
        \s|
        (?<IF>%IF)|     #for IF, push
        (?<-IF>%ENDIF)| #for ENDIF, pop
        . # or, anything else, but don't allow
    )+
    (?(IF)(?!)) #fail on extra open IFs
)   #/Contents
%ENDIF

在这里，您将得到两个匹配项，一个用于

MY\u-VAR

，另一个用于

OTHER\u-VAR3

。如果您想在

MY_VAR

的内容中捕获这两个If，您必须在其

内容

组中重新运行正则表达式（如果必须将整个正则表达式包装在

（？=…）

中，您可以使用前瞻来绕过它，但您需要使用位置和长度以某种方式将其放入逻辑结构中）

---

现在，我不会解释太多，因为看起来你已经掌握了基本知识，但是有一个关于内容组的简短说明-我使用了所有格组来避免回溯。否则，圆点可能最终匹配整个

IF

s并打破平衡。组上的延迟匹配行为类似（

（）+？

，而不是

（？>）+

）。

要捕获带有平衡IF语句的整个IF/ENDIF块，可以使用以下正则表达式：

%IF\s+(?<Name>\w+)
(?<Contents>
    (?> #Possessive group, so . will not match IF/ENDIF
        \s|
        (?<IF>%IF)|     #for IF, push
        (?<-IF>%ENDIF)| #for ENDIF, pop
        . # or, anything else, but don't allow
    )+
    (?(IF)(?!)) #fail on extra open IFs
)   #/Contents
%ENDIF

在这里，您将得到两个匹配项，一个用于

MY\u-VAR

，另一个用于

OTHER\u-VAR3

。如果您想在

MY_VAR

的内容中捕获这两个If，您必须在其

内容

组中重新运行正则表达式（如果必须将整个正则表达式包装在

（？=…）

中，您可以使用前瞻来绕过它，但您需要使用位置和长度以某种方式将其放入逻辑结构中）

---

现在，我不会解释太多，因为看起来你已经掌握了基本知识，但是有一个关于内容组的简短说明-我使用了所有格组来避免回溯。否则，圆点可能最终匹配整个

IF

s并打破平衡。组上的一个惰性匹配将类似地执行（<代码>（+）+ < />代码>而不是<代码>（？>）+<代码> >

所有这些，考虑使用解析器，它应该很容易地处理它。非常感谢你。我在我的程序中添加了一些递归，这样它就可以遍历嵌套的if/endif块。。。考虑这个输入文本：<代码> %，如果MyAvar某个文本%，如果另一个VaR %Endif。请注意，内部OTHER_VAR不是用ENDIF关闭的。但是，正则表达式与内部块匹配，而不是与外部块匹配。在这个特定场景中（即模板格式错误），如何使正则表达式与最外层的块匹配，而不是直接跳到最内层的块？@NathanE-问得好！我本来打算添加一段关于无效输入的内容，但尽管它太长了。。。我不确定有没有简单的方法来解决这个问题——平衡组的存在是为了避免在组不匹配的情况下进行匹配，在这种情况下很难为“正确”行为添加规则（就此而言，这个正则表达式捕获了一个平衡的if，即“正确”）。您可能会使用原始正则表达式。如果你想定义清晰的规则，你可能需要编写一个语法和解析器——它允许微调，并且可以提供更好的解析错误消息。没问题。这仍然是一个伟大的regex你想出了Kobi。如果将来需要为格式错误的模板提供更优雅的错误处理条件，或者可能需要向模板语言添加更多类型的标记，那么我很可能会重新设计它，使其成为一个合适的解析引擎。我想regex在那天之前都会很好的！除此之外，考虑使用解析器，它应该很容易地处理它。非常感谢你。我在我的程序中添加了一些递归，这样它就可以遍历嵌套的if/endif块。。。考虑这个输入文本：<代码> %，如果MyAvar某个文本%，如果另一个VaR %Endif。请注意，内部OTHER_VAR不是用ENDIF关闭的。但是，正则表达式与内部块匹配，而不是与外部块匹配。在这个特定场景中（即模板格式错误），如何使正则表达式与最外层的块匹配，而不是直接跳到最内层的块？@NathanE-问得好！我本来打算添加一段关于无效输入的内容，但尽管它太长了。。。我不确定有没有简单的方法来解决这个问题——平衡组的存在是为了避免在组不匹配的情况下进行匹配，在这种情况下很难为“正确”行为添加规则（就此而言，这个正则表达式捕获了一个平衡的if，即“正确”）。您可能会使用原始正则表达式。如果你想定义清晰的规则，你可能需要编写一个语法和解析器——它允许微调，并且可以提供更好的解析错误消息。没问题。这仍然是一个伟大的regex你想出了Kobi。如果将来需要为格式错误的模板提供更优雅的错误处理条件，或者可能需要向模板语言添加更多类型的标记，那么我很可能会重新设计它，使其成为一个合适的解析引擎。我想regex在那天之前都会很好的！