Regex 如何捕获ANTLR语法中的任何内容？

我有一个语法，看起来像一个标记/标记语言。我们用它来制作教科书

有点像：

[chapter Introduction] [section First program] Java is pretty cool, **we love it**, let's learn. Use the ::javacc:: to compile stuff. [title C# is also cool] bla bla [code] some java code in here [/code] 我尝试了

（~']'+？）

来捕获除了结束标记以外的所有内容。这就是我的主要想法：编写许多这样的正则表达式，每个标记对应一个正则表达式，让它们忽略“close标记”。例如，我尝试使用

（~'：'+？）

捕获斜体的内容（以

：

结尾）

我还尝试为内部内容使用通用标记。但是，我需要忽略

：

，

***

，以及所有根据上下文实际有意义的符号。因此，我的表达式

RAW:（~[\n\[\]'**''：'''.''.''%''0-9\'.].'.'：'）+；

不起作用

你可以在这里看到我的完整语法。很抱歉，名称是葡萄牙语的：

grammar Tubaina; @header { package br.com.caelum.tubaina.antlr; } afc : capitulo conteudos+; capitulo : '[chapter ' capitulo_nome ']'; capitulo_nome : (~']'+?)*; conteudos : enter* conteudo+ enter*; conteudo : (secao | texto | subsecao | label | box | codigo | lista | imagem | exercicios | index | tabela | quote | todo | note); secao : '[section ' secao_nome ']'; secao_nome : (~'['+?); quote : '[quote ' quote_texto '--' quote_autor ']'; quote_texto : (~'--'+?); quote_autor : (~']'+?); tabela : '[table "' tabela_nome '"]' tabela_linhas+; tabela_nome : (~'"'+?); tabela_linhas : '[row]' tabela_colunas+ '[/row]'; tabela_colunas : '[col]' tabela_conteudo '[/col]'; tabela_conteudo : conteudo; index : '[index ' index_nome ']'; index_nome : (~']'+?); exercicios : '[exercise]' questoes '[/exercise]'; questoes : (enter* questao_def enter*)+; questao_def : '[question]' enter* questao resposta_def? enter* '[/question]'; questao : (conteudo | enter)+; resposta_def : enter* '[answer]' resposta '[/answer]'; resposta : (texto | enter)+; imagem : '[img ' espaco* imagem_path espaco* imagem_tamanho_def? espaco* (imagem_comentario_def? | ']'); imagem_path : (~' '+?); imagem_tamanho_def : 'w=' imagem_tamanho '%'; imagem_tamanho : NUMERO; imagem_comentario_def : '"' imagem_comentario '"]'; imagem_comentario : (~'"'+?); lista : lista_numerada | lista_nao_numerada; lista_numerada : '[list ' lista_tipo ']' item* '[/list]'; lista_tipo : 'number' | 'roman' | 'letter'; lista_nao_numerada : '[list]' item* '[/list]'; item : enter* '*' texto* enter*; todo : todo_comando todo_comentario ']'; todo_comando : '[todo ' | '[TODO '; todo_comentario : (~']'+?); note : '[note]' note_conteudo+ '[/note]'; note_conteudo : (enter* texto enter*); box : '[box ' box_titulo ']' box_conteudo+ '[/box]'; box_conteudo : (enter* conteudos+ enter*); box_titulo : (~']'+?); subsecao : '[title ' subsecao_nome ']'; subsecao_nome : (~']'+?); label : '[label ' label_nome ']'; label_nome : (~']'+?); codigo : codigo_com_linguagem | codigo_sem_linguagem | codigo_do_arquivo; codigo_do_arquivo : '[code ' linguagem 'filename=' codigo_arquivo_path '[/code]'; codigo_arquivo_path : (~' '+?); codigo_raw : (~'[/code]'+?); linguagem : (~' '+?); codigo_sem_linguagem : '[code]' codigo_raw '[/code]'; codigo_com_linguagem : '[code ' linguagem codigo_fechado codigo_raw '[/code]'; codigo_fechado : ' #]' | ']'; texto : paragrafo | negrito | italico | underline | inline; paragrafo : linha enter?; linha : (~'\n'+?); negrito : '**' linha '**'; italico : '::' linha '::'; underline : '__' linha '__'; inline : '%%' linha '%%'; enter : N | TAB; espaco : ESPACO; N : ['\n']; TAB : '\t'; ESPACO : ' '; NUMERO : [0-9]+; WS : (' ' | '\t') -> skip; 语法图拜纳； @标题{ 包br.com.caelum.tubaina.antlr； } afc:Capitalulo conteudos+； capitulo:“[章节“capitulo_nome”]”； 大写名称：（~']'+？）*； conteudo：输入*conteudo+enter*； 上下文：（secao | texto | subsecao | label | box | codigo | lista | imagem | exercicios | index | tabela | quote | todo | note）； secao:“[secao_nome'部分]”； 分词：（~'['+？）； 报价：'[quote'quote_texto'-'quote_autor']； 引用文本：（~'-'+？）； 自动报价：（~']'+？）； tabela:“[表”'tabela_nome'”]'tabela_linhas+； tabela_nome:（~'''+？）； tabela_linhas:“[row]”tabela_colunas+“[/row]”； tabela_colunas:'[col]'tabela_conteudo'[/col]'； 塔贝拉•乌孔杜多：孔杜多； 索引：'[index'index_nome']'； 索引名称：（~']'+？）； 练习：“[练习]”问题“[/练习]”； 问题：（输入*questao_def enter*）+； 提问：“[问题]”输入*questao resposta_def？输入*“[/question]”； questao：（conteudo | enter）+； resposta_def：输入*'[answer]'resposta'[/answer]'； resposta：（texto | enter）+； 图像M:“[img”espaco*图像M_路径espaco*图像M_tamanho_def？espaco*（图像M_comentario_def？）”； 图像路径：（~''+？）； imagem_tamanho_def:'w='imagem_tamanho''； imagem_tamanho：数字； imagem_comentario_def:“‘imagem_comentario’””； 图像元素：（~'“'+？）； lista:lista_numerada | lista_nao_numerada； lista_numerada:“[list'lista_tipo']”项*“[/list]”； lista|u tipo：“数字”|“罗马”|“字母”； lista_nao_numerada:“[list]”项*“[/list]”； 项目：输入*'*'文本到*输入*； todo:todo_comando todo_comentario']； 待办事项：待办事项； todo_comentario:（~']'+？）； 注：“[note]”注_conteudo+“[/note]”； 注：（输入*文本输入*）； 方框：'[box'box_titulo']'box_conteudo+'[/box]'； 框_conteudo：（输入*conteudos+输入*）； 框体：（~']'+？）； 水下作业：“[标题“水下作业”]； 海底名称：（~']'+？）； 标签：'[标签'标签名称']； 标签名称：（~']'+？）； codigo:codigo_com|u linguage | codigo_sem|u linguage | codigo_do|u arquivo； codigo_do_arquivo:'[code'linguage'文件名='codigo_arquivo_路径'[/code]'； codigo_arquivo_路径：（~''+？）； 原始代码：（~'[/code]'+？）； 语言：（~''+？）； codigo_sem_language:'[code]'codigo_raw'[/code]'； codigo_com_language:“[code'linguage codigo_fechado codigo_raw'[/code]”； codigo_fechado:'#]'|'']； texto:paragrafo | negrito | italic | underline | inline； 段落：林哈进入？； 林哈：（~'\n'+？）； 内格里托：“**”林哈“**”； 斜体：“：：”林哈：“：”； 下划线：''''linha''； 内联：“%%”linha“%”； 输入：N |选项卡； espaco:espaco； N:['\N']； 选项卡：'\t'； 埃斯帕科：； 数字：[0-9]+； WS:（''|'\t'）->跳过； 此外，我对通用正则表达式的尝试如下：

我的问题是：我如何为这样一种语言编写语法，在这种语言中，我有标记和任何内容，有什么想法吗

---

提前感谢！

我不确定antlr，所以我发布了这个答案，可能会帮助您理解regex的想法

您可以使用这样的正则表达式：

\[code\]([\s\S]+)\[/code\]|\[title (.+)\]

匹配信息

MATCH 1
2.  [165-180]   `C# is also cool`
MATCH 2
1.  [207-241]   `

    some java code in here

    `

我使用或将两个正则表达式放在一个复合表达式中，以向您展示这个想法。如果您能够使用2个正则表达式，那么您可以使用以下表达式：

secao : '[section ' secao_nome ']'; secao_nome : (~']'+?);

\[code\]([\s\S]+)\[/code\]   <-- to capture the [code]XX[/code] content
\[title (.+)\]               <-- to capture the [title XX] content

\[code\]（[\s\s]+）\[/code\]