Regex 递归正则表达式，如何将耦合字符串与正则表达式匹配？

。。。AA BB Sysodufsoufds BB AA

其中，

AA

，

BB

可以是无空格的任意连续字符串

但是我想得到最外面的一对：

AA

更多示例：

输入：

a HH-CC-abc-CC-HH-c

输出：

嗯

输入：

x YYYY j DD GG DD hsu DD GG DD k YYYY o

输出：

YYYY

---

为了让我的问题更一般，如何将html中的特定标记与正则表达式相匹配？我已经看到了各种讨论这一点的帖子，但没有一篇文章给出regex的答案。相关问题有：

---

我想你需要在这里找到参考资料。类似（试图避免任何正则表达式语言的细节）：

第一个捕获就是你的结果

我假设用单个空格分隔字符串以保持清晰，您可能需要允许使用任意空格

\s+

，而

\w

（标识符字符：大致

[a-zA-Z9-0\]

）是字符串的正确匹配

\b(\w{2,})\b.*\b\1\b

将匹配从第一个连续字符序列到其重复的所有字符。反向引用

\1

将包含匹配的模式（例如示例中的AA、HH或YYYY）

\b

s是强制执行单词边界所必需的

编辑：哦。我刚刚注意到，您需要完全执行其他操作，即从字符串/文件中删除HTML标记不要为此使用正则表达式。当有人问这样的问题时，我不会引用其他人总是引用的文章，但问题（简而言之）是HTML不是规则的，在这里尝试使用正则表达式只是自找麻烦。这就是为什么没有人（在他们正常的头脑中）使用正则表达式来“解析”HTML的原因——他们使用解析器

---

这就是说，我使用正则表达式从格式良好的XML源中提取数据，在这些XML源中，我确切地知道结构，并且知道我感兴趣的标记永远不会嵌套，等等。但是正则表达式的递归如果真的能工作的话，就非常复杂了（C#和Perl对此有一些支持，但它令人难以置信地毛茸茸的）。

对于输入：“x YYYY DD GG hsu GG DD YYYY”，YYYY是有效答案吗？第二个示例没有遵循您开始时的模式。第二个示例是

AA str1 BB str2 BB str3 AA

（即，成对字符串之间的空格多于空格）。对于您提供的示例，输出为

AA

，以使我的问题更一般化，即如何将html中的特定标记与正则表达式匹配？我看过各种帖子讨论这一点，但没有一篇文章给出regex的答案。相关问题是：一般来说，regex是错误的方法，除非上下文受到实质性限制（例如，您控制源代码）。最好使用解析器（如果您知道它是XHTML，那么它可能是XML解析器）。假设我处理的是类似html的东西，但不完全是html。那么DOM解析器将无法工作。+1是一个很好的答案，衷心感谢您没有链接到Rant。

\b(\w{2,})\b.*\b\1\b