.net - 使用 .net Regex Balanced Matching 捕获内部项目

Question

我在 .net 正则表达式的平衡匹配上找到了以下资源:

http://weblogs.asp.net/whaggard/archive/2005/02/20/377025.aspx

http://blogs.msdn.com/bclteam/archive/2005/03/15/396452.aspx

http://msdn.microsoft.com/en-us/library/bs2twtah(VS.85).aspx#BalancingGroupDefinitionExample

根据我在这些中读到的内容，以下示例应该有效:

无论多深，此正则表达式都应在尖括号组内的任何位置找到“a”。它应该匹配“ <a>”、“ <<a>>”、“ <a<>>”、“ <<>a>”、“ <<><a>>”等。

(?<=
    ^
    (
        (
            <(?<Depth>)
            |
            >(?<-Depth>)
        )
        [^<>]*?
    )+?
)
(?(Depth)a|(?!))

匹配字符串“<<>a>”中的“a”

虽然它适用于字符串“ <a<>>”和“ <<a>>”，但我无法让它匹配“a”后面的“>”。

根据我读过的解释，前两个“<”应该增加深度两次，然后第一个“>”应该减少一次。在这一点上， (?(Depth)a|(?!)) 应该执行"is"选项，但正则表达式甚至从未在这里出现。

考虑下面的正则表达式，它没有进行这样的检查并且仍然无法匹配有问题的字符串:

(?<=
    ^
    (
        (
            <(?<Depth>)
            |
            >(?<-Depth>)
        )
        [^<>]*?
    )+?
)
a

我是否遗漏了什么，或者正则表达式引擎工作不正常？

Answer 1

如果你想找到一对平衡的尖括号内的每个 'a' ，我会建议这种方法:

Regex r = new Regex(@"
    <
      (?>
         [^<>a]+
       |
         (a)
       |
         <(?<N>)
       |
         >(?<-N>)
      )+
    (?(N)(?!))
    >
", RegexOptions.IgnorePatternWhitespace);
string target = @"012a<56a8<0a2<4a6a>>012a<56789a>23456a";
foreach (Match m in r.Matches(target))
{
  Console.WriteLine("{0}, {1}", m.Index, m.Value);
  foreach (Capture c in m.Groups[1].Captures)
  {
    Console.WriteLine("{0}, {1}", c.Index, c.Value);
  }
}

结果:

9, <0a2<4a6a>>
11, a
15, a
17, a
24, <56789a>
30, a

它没有处理条件，而是继续匹配整个括号分隔的(子)字符串，在此过程中捕获它可能包含的任何 a 。与您的方法不同，它可以从较大的字符串中提取任意数量的括号子字符串，并从每个子字符串中提取任意数量的 a 。