c#正则平衡组

Question

如题，非常不好理解。
栈是肯定知道的。但是配上她的语法，我头都晕啦
http://deerchao.net/tutorials/regex/regex.htm#escape
然后找到“ 平衡组/递归匹配 ”
这里应该怎样理解，这个平衡组有什么意义呢？
下面的是msdn的说明：这里还出现<name1-name2>而不是<-name2>，这个也是正确的吗？
(?<name1-name2>子表达式)
定义平衡组定义。
(((?'Open'\()[^\(\)]*)+((?'Close-Open'\))[^\(\)]*)+)*(?(Open)(?!))$
“3+2^((1-3)*(3-1))”中的“((1-3)*(3-1))”

Answer 1

<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>
这个正则好像很复杂，应该怎样来读

Answer 2

当然了。最好还是看过客的博客。
就我简单的理解
()
分组你知道把，分组的内容要创建堆栈来保存。
平衡组不过就是增加了一个出栈的功能，简单说，
(?<open>)分组捕获到内容
(?<任意字符-open>)分组捕获到，则将open弹出分组
最终通过(?(opne))检查open是否有捕获到，因为(?<任意字符-open>)如果和open的次数一样出现，则最终应该没有被捕获的open，所以不会有成功捕获。以达到检查open和-open的分组是否个数一样的目的。这就是平衡组的目的和实现。你写的正好是过客所说的狭义平衡组。不知道你明白没，反正我觉得我这样说法，比较简单。

Answer 3

<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>你看到这个，你一定去过过客博客看过了。
这个很简单。不过是复杂点，如果需要，一会解释儿子来闹了。

Answer 4

http://deerchao.net/tutorials/regex/regex.htm#escape上边不是有详细的解释么...

Answer 5

是清楚，但是还是看不明白，也不知道他的目的，貌似就是要找 对称的 “（）”，
我不用open这个名字也是可以的吧。怎么个个都是用open的呢。

Answer 6

需要理解的是这个东西：(?(Open)(?!))他的意思是不平衡就匹配失败

Answer 7

open只是一个分组名(吧)，随意起...

Answer 8

谢谢大家帮忙
<div[^>]*>[^<>]*(((?'Open'<div[^>]*>)[^<>]*)+((?'-Open'</div>)[^<>]*)+)*(?(Open)(?!))</div>
这个不是找到最内层的div吗？
就
<div[^>]*>[^<>] 就表明中间是不能有html标签了

Answer 9

<div><div></div>asdfasd<div/><div></div></div>
<div>
       name：<span>xxxx</span>
      age：<span>23</span>
</div>
在这里只匹配
<div></div>
<div/><div></div></div>
我就不知道这个平衡组有什么用。
好像他找html标签也是不能一对对找出来的

Answer 10

(?'Close-Open'expression) 可以简写为 (?'-Open'expression)
它与(?'Open'expression)是对应的(?'Open'expression)匹配成功一次就相当于入栈，(?'-Open'expression)匹配成功一次就相当于出栈
比如(a+(b+c))
(?'Open'\() 匹配的是开括弧
(?'-Open'\)) 匹配的是闭括弧
匹配“a”前的“(”入栈，再匹配“b”前的“(”入栈，接着匹配“c”后的两个“)”分别出栈，此时栈内是空的，也就表标入栈和出栈的次数是一致的，也就是起始标志“(”和结束标志“)”是配对出现的而如果源字符串换成：((a+(b+c))
由于第一个“(”没有与之配对的“)”，入栈次数与出栈次数不同，栈内还有数据，也就表示不配对，在位置0位是匹配不成功的楼主所给的正则不易理解，也不易构造，不适合所有情况，换成下面的写法就容易理解多了
string test = "(a+(b+c))+(d+e)";
Regex reg = new Regex(@"\(((?<Open>\()|(?<-Open>\))|[^()])*(?(Open)(?!))\)");
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
    richTextBox2.Text += m.Value + "\n";
}更详细的可以参考我的博客
.NET正则基础之——平衡组 

Answer 11

(?'kf'\()[^()]*(?'-kf'\))
\(((?<Open>\()|(?<-Open>\))|[^()])*(?(Open)(?!))\)
第一个与第二个有什么差别呢?
我的目的也是一碰到（就压栈，括号之间可以有n个非（）的字符，之后一碰到），就弹栈，但是
我用第一个匹配(a+(b+c))+(d+e) ，第一个括号是取不出来的，
(b+c)，与(d+e)。
我也在你的博客里看。笨啊，没能那么快理解。

Answer 12

广义平衡组的目的是为了匹配成对出现的子串，多用于html代码中的标签匹配Open就是命名捕获组的name，随意起，只要(?<name>exp)和(?<-name>exp)对应上就可以先看下我的博客吧，有不清楚的地方可以提出来

Answer 13

谢谢，Peter200694013
但是他匹配层次性结构的那些部分呢？
(a+(b+c))+(d+e)
我可以将（）看成html标签，
但是他也只是找到
(a+(b+c))
(d+e)
而
(b+c)没找出来。
不知道是不是这个意思。
如果用到div里 就是 将所有div的innerhtml取出来吗？

Answer 14

对于平衡组的应用也是一样，如果分组构造中没有量词，那么使用固化分组就是没有意义的，比如版本0Regex reg = new Regex(@"\((?>(?<Open>\()|(?<-Open>\))|.)*?(?(Open)(?!))\)");量词是啥意思？
写得太好啦，我还没看完。回家再看。。学习得太多啦

Answer 15

表示匹配次数的就是量词，如
?、*、+、{m,n}、{m,}等等

Answer 16

呵呵，我从不提倡把正则当模板来用不过对于平衡组来说，当你尝试着去构建一个平衡组时，你的分析过程，确实是可以套用模板的就比如说匹配()嵌套结构的平衡组吧
\(((?<Open>\()|(?<-Open>\))|[^()])*(?(Open)(?!))\)
构成一个平衡组的几部分
1、表达式的开始，起始标记，此处为“\(”
2、入栈捕获组，此处为(?<Open>\()
3、出栈捕获组，此处为(?<-Open>\))
4、除需入栈或出栈子表达式所匹配内容之外的字符，此处为[^()]
5、是否配对的判断，固定为(?(Open)(?!))
6、表达式的结束，结束标记，此处为“\)”
放在一起，OK，一个平衡组已经完成了，接下来的就是一些优化工作了这是单字符的，对于子符组的，比如匹配<div>...</div>嵌套结构的，其它都没什么好说的，只有
4、除需入栈或出栈子表达式所匹配内容之外的字符，此处为(?:(?!</?div\b).)
组成的正则就是
(?is)<div[^>]*>(?><div[^>]*>(?<o>)|</div>(?<-o>)|(?:(?!</?div\b).)*)*(?(o)(?!))</div>
绝大多数情况下，这是没有问题的但是除非你真的理解每一个细节，否则不要这样去拼平衡组，因为你并不知道这样做是否会有潜在的陷阱

Answer 17

狭义的平衡组仅仅指(?<Close-Open>Expression)语法规则，而广义的平衡组，我也说过，广义平衡组并不是固定的语法规则，而是几种语法规则的综合运用。这样说来，平衡组的格式或者说构成可以是多种多样的，上面这种结构是平衡组一种比较模板化的结构，特点是清晰，易读，易构造，相对来讲效率也比较高其它的写法，以前用过几次，觉得构造麻烦，量词嵌套多影响效率，所以后来的平衡组都统一用这种构造来写了