regex - 为什么这个递归正则表达式不捕获整个代码块？

Question

我正在尝试编写一个递归正则表达式来捕获代码块，但由于某种原因，它似乎没有正确捕获它们。我希望下面的代码能够捕获函数的全部内容，但它只捕获第一个 if 的内容陈述。

这几乎就像 .+?不知何故吞噬了第一个 { ，但它应该是非贪婪的，所以我不明白为什么会这样。

是什么导致它以这种方式行事？

脚本:

use strict;
use warnings;

my $text = << "END";
int max(int x, int y)
{
    if (x > y)
    {
        return x;
    }
    else
    {
        return y;
    }
}
END

# Regular expression to capture balanced "{}" groups
my $regex = qr/
    \{              # Match opening brace
        (?:         # Start non-capturing group
            [^{}]++ #     Match non-brace characters without backtracking
            |       #     or
            (?R)    #     Recursively match the entire expression
        )*          # Match 0 or more times
    \}              # Match closing brace
/x;

# is ".+?" gobbling up the first "{"?
# What would cause it to do this?
if ($text =~ m/int\s.+?($regex)/s){
    print $1;
}

输出:

{
        return x;
    }

预期输出:

{
    if (x > y)
    {
        return x;
    }
    else
    {
        return y;
    }
}

我知道有一个 Text::Balanced 用于此目的的模块，但我正在尝试手动执行此操作以了解有关正则表达式的更多信息。

Answer 1

(?R)递归到整个模式——但整个模式是什么？当您嵌入引用的 $regex进入 /int\s.+?($regex)/ , 模式被重新编译和 (?R)指新模式。那不是你想要的。

我建议您改用命名捕获，以便您可以按名称递归。更改$regex像

/(?<nestedbrace> ... (?&nestedbrace) ...)/

如果你想避免额外的捕获，你可以使用 (?(DEFINE) ...)声明可以稍后调用的命名正则表达式模式的语法:

my $define_nestedbrace_re = qr/(?(DEFINE)
  (?<nestedbrace ... (?&nestedbrace) ...)
)/x;

然后: /int\s.+?((?&nestedbrace))$define_nestedbrace_re/
这不会创建额外的捕获。但是，通常不可能编写封装的正则表达式片段。喜欢命名捕获而不是编号捕获之类的技术可以在这里提供帮助。