regex - 如何递归匹配与多字符分隔符平衡的字符串？

Question

我如何递归地匹配一个用多字符分隔符平衡的字符串？

考虑一个 LaTeX 内联引号，在引号开始处用 2 个双勾号 (``) 标记，在引号结束处用 2 个撇号 (\x27\x27) 标记。

下面的代码给了我 ``five''。我想捕获二``三`四'``五''三四''六

my $str = q|one ``two ``three `four' ``five'' three four'' six'' seven|;

if ( $str =~ /
              (
              ``
                (?:
                     [^`']
                       |
                     (?1)
                )*
              ''
              )
            /x
   )
   {
     print "$1\n";
   }

我想这与如何取反有关，不是字符类([^`']，而是多字符字符串。

Answer 1

(?:(?!PAT)(?s:.))* 是 PAT，因为 [^CHAR]* 是到 CHAR，所以

(?:(?!``|'')(?s:.))*

匹配不是这两个序列开头的任何字符。但是，我认为前瞻的成本不高，所以我相信

(?: [^`']+ | `(?!`) | '(?!') )*

会更便宜。我们得到以下信息:

/
   (
      ``
         (
            (?: [^`']+ | `(?!`) | '(?!') )*
            (?:
               (?-2)
               (?: [^`']+ | `(?!`) | '(?!') )*
            )*
         )
      ''
   )
/x

我们可以通过简化来降低性能。

/
   (
      ``
         (
            (?: [^`']+
            |   `(?!`)
            |   '(?!')
            |   (?-2)
            )*
         )
      ''
   )
/x

在这两个片段中，您要捕获的文本都在 $2 中。