[Regex]匹配分组 - 1

Question

请教一个正则，可以匹配出正则表达式中的分组，最内层的分组，例如这样一个正则
(?:(?:^)|(?<!(^\\))|(?:(?!\\)\[[^\]]*))\((?!(?:\?<?[:=!']))((?:\\\()|(?:\\\))|[^()])*(?:(?:(?<=[^\\]))|(?:(?!\\)\[[^\]]*))\)能得到
(^\\)
((?:\\\()|(?:\\\))|[^()])
这两个分组就正确了

Answer 1

zhqs1000和windboyzsj两位没看明白题意(?:(?:^)|(?<!(^\\))|(?:(?!\\)\[[^\]]*))\((?!(?:\?<?[:=!']))((?:\\\()|(?:\\\))|[^()])*(?:(?:(?<=[^\\]))|(?:(?!\\)\[[^\]]*))\)这个就是源字符串了

Answer 2

(?<!\\|(?:\[[^\]]*?)|(?:\(\?))\((?=(?:\?<[^=!][^>]+?>)|[^?][^)]*?\)|(?!\?!)\)|(?:\?'))用这个可以找到分组开头。不过不知道如何找到分组结束

Answer 3

这里也贴下吧差点被它折磨死-_-#...不过我现在倒真的想知道，正则测试工具是如何做的，我相信它不是用正则来做的，或许是用状态机来实现的吧...
string test = "(?:(?:^)|(?<!(^\\\\))|(?:(?!\\\\)\\[[^\\]]*))\\((?!(?:\\?<?[:=!']))((?:\\\\\\()|(?:\\\\\\))|[^()])*(?:(?:(?<=[^\\\\]))|(?:(?!\\\\)\\[[^\\]]*))\\)";test = Regex.Replace(test, @"(?<=((\\\\)+|[^\\]))\[.*?(?<=((\\\\)+|[^\\]))\]", new MatchEvaluator(regReplace));
test = test.Replace("[", "∵");
test = test.Replace("]", "∴");
test = Regex.Replace(test, @"(?<=((\\\\)+|[^\\]))\\\(", @"\∪");
test = Regex.Replace(test, @"(?<=((\\\\)+|[^\\]))\\\)", @"\∩");string result;
MatchCollection mc = Regex.Matches(test, @"\((?!\?)([^()]*(?<o>\(\?)[^()]*(?<-o>\))[^()]*)*\)(?(o)(?!))|\((?!\?)[^()]*\)");
foreach (Match m in mc)
{
    result = m.Value.Replace("∵", "[");
    result = result.Replace("∴", "]");
    result = result.Replace("∪", "(");
    result = result.Replace("∩", ")");
    richTextBox2.Text += result + "\n";
}
string tempStr;
private string regReplace(Match m)
{
    tempStr = m.Value.Replace("(", "∪");
    return tempStr.Replace(")", "∩");
}
输出：
(^\\)
((?:\\\()|(?:\\\))|[^()])不过这里还是有问题，最后用到的平衡组，没有考虑非捕获组嵌套的问题，暂时只是得到楼主要的结果了，但是绝对不是最佳方法，效率不是一般的差...

Answer 4

哈哈。过客太强了。我来加上注释//源子串
string test = "(?:(?:^)|(?<!(^\\\\))|(?:(?!\\\\)\\[[^\\]]*))\\((?!(?:\\?<?[:=!']))((?:\\\\\\()|(?:\\\\\\))|[^()])*(?:(?:(?<=[^\\\\]))|(?:(?!\\\\)\\[[^\\]]*))\\)";//首先，吧[]中间包含的()替换掉，因为这里的()表示的是字符
test = Regex.Replace(test, @"(?<=((\\\\)+|[^\\]))\[.*?(?<=((\\\\)+|[^\\]))\]", new MatchEvaluator(regReplace));//把[]都替换掉，因为[]内的()已经被替换了。[]不在影响分组了
test = test.Replace("[", "∵");
test = test.Replace("]", "∴");//把\(和\)这样的转义字符替换掉。避免对后面分组匹配的影响
test = Regex.Replace(test, @"(?<=((\\\\)+|[^\\]))\\\(", @"\∪");
test = Regex.Replace(test, @"(?<=((\\\\)+|[^\\]))\\\)", @"\∩");string result;//这里要求是(开头，(后面不能是?，然后用平衡组把嵌套的(xx)都匹配出来得到最外层的分组，或者(....)
MatchCollection mc = Regex.Matches(test, @"\((?!\?)([^()]*(?<o>\(\?)[^()]*(?<-o>\))[^()]*)*\)(?(o)(?!))|\((?!\?)[^()]*\)");
foreach (Match m in mc)
{
    result = m.Value.Replace("∵", "[");
    result = result.Replace("∴", "]");
    result = result.Replace("∪", "(");
    result = result.Replace("∩", ")");
    richTextBox2.Text += result + "\n";
}
string tempStr;
private string regReplace(Match m)
{
    tempStr = m.Value.Replace("(", "∪");
    return tempStr.Replace(")", "∩");
}

Answer 5

-_-#，看到牛肉面的注释，忽然想到，[和]替换就没必要了，改下，另外修改了下，把捕获组归入要匹配的分组里了string test = "(?:(?:^)|(?<name>[^()]+)|(?<!(^\\\\))|(?:(?!\\\\)\\[[^\\]]*))\\((?!(?:\\?<?[:=!']))((?:\\\\\\()|(?:\\\\\\))|[^()])*(?:(?:(?<=[^\\\\]))|(?:(?!\\\\)\\[[^\\]]*))\\)";test = Regex.Replace(test, @"(?<=((\\\\)+|[^\\]))\[.*?(?<=((\\\\)+|[^\\]))\]", new MatchEvaluator(regReplace));
test = Regex.Replace(test, @"(?<=((\\\\)+|[^\\]))\\\(", @"\∪");
test = Regex.Replace(test, @"(?<=((\\\\)+|[^\\]))\\\)", @"\∩");string result;
MatchCollection mc = Regex.Matches(test, @"\((?!\?(<[=!]|[!=]|:))([^()]*(?<o>\(\?(<[=!]|[!=]|:))[^()]*(?<-o>\))[^()]*)*\)(?(o)(?!))|\((?!\?(<[=!]|[!=]|:))[^()]*\)");
foreach (Match m in mc)
{
    result = m.Value.Replace("∪", "(");
    result = result.Replace("∩", ")");
    richTextBox2.Text += result + "\n";
}
string tempStr;
private string regReplace(Match m)
{
    tempStr = m.Value.Replace("(", "∪");
    return tempStr.Replace(")", "∩");
}输出：
(?<name>[^()]+)
(^\\)
((?:\\\()|(?:\\\))|[^()])
不过还是那句话，呵呵，这不是用正则来做的事，只是想研究下写写而已

Answer 6

上面的平衡组少写了点东西，露了个判断MatchCollection mc = Regex.Matches(test, @"\((?!\?(<[=!]|[!=]|:))([^()]*(?<o>\(\?(<[=!]|[!=]|:))[^()]*(?<-o>\))[^()]*)*\)(?(o)(?!))|\((?!\?(<[=!]|[!=]|:))[^()]*\)");
---->
MatchCollection mc = Regex.Matches(test, @"\((?!\?(<[=!]|[!=]|:))([^()]*(?<o>\(\?(<[=!]|[!=]|:))[^()]*(?<-o>\))[^()]*)*\)(?(o)(?!))(?(o)(?!))|\((?!\?(<[=!]|[!=]|:))[^()]*\)");为了结构清晰，这个正则里没有用非捕获组来屏蔽那些没用的捕获组^o^看看IV的状态机是怎么写的，改天不写正则了，开始学状态机