首頁 >web前端 >js教程 >詳細講解平衡組_正規表示式

詳細講解平衡組_正規表示式

微波
微波原創
2017-06-28 13:37:361964瀏覽

這篇文章主要介紹了正規表示式——詳細講解平衡組,需要的朋友可以參考下

##這篇文章適合你嗎?

要讀懂這篇文章的精髓,你最好要有一點正規匹配原理的基礎。例如".*?"匹配文字內容"asp163",稍懂正規表示式的人都知道可以匹配,但是你知道他的匹配過程嗎?如果你不太清楚,那麼下面的內容,對你來說可能不太適合,或許,看的太吃力且無法領悟平衡組的用法。因此,我建議你先了解正規表示式NFA引擎的匹配原理。想要整理一份易懂易描述的話,的確要花些時間,但我不知道這篇內容會不會達到我預期的效果。慢慢完善吧~(註:這是我2010年寫的,現在拿過來,有時間將自己做為讀者來看本篇文章,修改有問題的地方,並增加些實例,盡量做到通俗易懂。舉個例子吧,如何把“xx 6ba7c8bc333a0dc8131222623db872d8 a2b23c6f9f7d4cb140313dcc8b2d4919 aa> yy”這樣的

字符串

#裡,最長的尖括號內的內容捕獲出來?

這裡需要用到以下的語法建構:

(?1cd70caa06cc6f4a046ab31342a5e7b4)

把捕獲的內容命名為group,並壓入堆疊( ?16201dcfc173bb9cbaf05ae47be6aac7)

從堆疊上彈出最後壓入堆疊的名為group的捕獲內容,如果堆疊本來為空,則本分組的匹配失敗


(?(group)yes |no) 如果堆疊上存在以名為group的捕獲內容的話,繼續匹配yes部分的表達式,否則繼續匹配no部分
(?!) 順序否定環視,由於沒有後綴表達式,試圖匹配總是失敗
如果你不是一個程式設計師(或者你是一個對堆疊的概念不熟的程式設計師),你就這樣理解上面的三種語法吧:第一個就是在黑板上寫一個(或再寫一個)"group",第二個就是從黑板上擦掉一個"group",第三個就是看黑板上寫的還有沒有"group",如果有就繼續配對yes部分,否則就符合no部分。 我們需要做的是每碰到了左括號,就在黑板上寫一個"group",每碰到一個右括號,就擦掉一個,到了最後就看看黑板上還有沒有——如果有那就證明左括號比右括號多,那匹配就應該失敗(為了能看得更清楚一點,我用了(?'group')的語法):

<         #最外层的左括号
 [^<>]*     #最外层的左括号后面的不是括号的内容
 (
  (
   (?&#39;Open&#39;<) #碰到了左括号,在黑板上写一个"Open"
   [^<>>]*   #匹配左括号后面的不是括号的内容
  )+
  (
   (?&#39;-Open&#39;>) #碰到了右括号,擦掉一个"Open"
   [^<>]*   #匹配右括号后面不是括号的内容
  )+
 )*
 (?(Open)(?!))  #在遇到最外层的右括号前面,判断黑板上还有没有没擦掉的"Open";如果有,则匹配失败
>         #最外层的右括号

我為什麼寫這篇文章

看了上面的介紹,你懂了嗎?在我未理解正規表示式匹配原理之前,請先看上面對於平衡組的介紹,似懂非懂,且只能當做模板記住,而不能靈活運用。因此查閱大量有關正規方面的資料,這裡尤其感謝lxcnn的技術文檔及《精通正則表達式》這本書,讓我對正則表達式有了更深入、更系統的理解,因此,在它們的基礎之上,我就結合自己的學習經驗做個小結,一來做為學習筆記存檔,另外,如果能解決你的疑惑,也是件讓人高興的事。
我先暫不分析上面的程式碼,先來講解一下關於平衡組相關的概念及知識。

下面表達式比對測試工具為:Expresso,本站也提供它的完美破解版下載。

平衡組的概念及作用


平衡組,故名思義,平衡即對稱,主要是結合幾種正則語法規則,提供對配對出現的嵌套結構的匹配。平衡組有狹義與廣義兩種定義,狹義平衡組指
(?Expression)

文法,而廣義平衡組並非固定的語法規則,而是幾種文法規則的綜合運用,我們平時所說的平衡組通常指的是廣義平衡組。本文如無特殊說明,平衡組這種簡寫指的是廣義平衡組。

平衡組的匹配原理平衡組的匹配原理可以用堆疊來解釋,先舉個例子,再根據例子來解釋。

來源字串:

a+(b*(c+d))/e+f-(g/(h-i))*j正規表示式:
( (?aa2be2e892a0a40b70815c89ad50a9c9\()|(?4ef86530cea17f4c1dd95ba9f67c8a9c)|[^()])*(?(Open)(?!))\)

需求說明:配對成對出現的()中的內容

輸出:(b*(c+d)) 和(g/(h-i))<br>我將上面正規表示式程式碼分行寫,並加上註釋,這樣看起來有層次,而且方便<pre class="brush:plain;"> \( #普通字符“(” ( #分组构造,用来限定量词“*”修饰范围 (?&lt;Open&gt;\() #命名捕获组,遇到开括弧“Open”计数加1 | #分支结构 (?&lt;-Open&gt;\)) #狭义平衡组,遇到闭括弧“Open”计数减1 | #分支结构 [^()]+ #非括弧的其它任意字符 )* #以上子串出现0次或任意多次 (?(Open)(?!)) #判断是否还有“Open”,有则说明不配对,什么都不匹配 \) #普通闭括弧</pre>對於一個嵌套結構而言,開始和結束標記都是確定的,對於本例開始為“(”,結束為“)”,那麼接下來就是考察中間的結構,中間的字符可以劃分為三類,一類是“(”,一類是“)”,其餘的就是除這兩個字符以外的任意字符。

那麼平衡組的匹配原理就是這樣的<p>1、先找到第一个“(”,作为匹配的开始。即上面的第1行,匹配了:a+(b*(c+d))/e+f-(g/(h-i))*j (红色显示部分)</p> <p>2、在第1步以后,每匹配到一个“(”,就入栈一个Open捕获组,计数加1</p> <p>3、在第1步以后,每匹配到一个“)”,就出栈最近入栈的Open捕获组,计数减1</p> <p>也就是讲,上面的第一行正则“\(”匹配了:<code>a+(b*(c+d))/e+f-(g/(h-i))*j (红色显示部分)
然后,匹配到c前面的“(”,此时,计数加1;继续匹配,匹配到d后面的“)”,计算减1;——注意喽:此时堆栈中的计数是0,正则还是会向前继续匹配的,但是,如果匹配到“)”的话,比如,这个例子中d))(红色显示的括号)——引擎此时将控制权交给(?(Open)(?!)),判断堆栈中是否为0,如果为0,则执行匹配“no”分支,由于这个条件判断结构中没有“no”分支,所以什么都不做,把控制权交给接下来的“\)”
这个正则表达式“\)”可匹配接下来的),即b))(红色显示的括号)

4、后面的 (?(Open)(?!))用来保证堆栈中Open捕获组计数是否为0,也就是“(”和“)”是配对出现的

5、最后的“)”,作为匹配的结束

匹配过程

首先匹配第一个“(”,然后一直匹配,直到出现以下两种情况之一时,把控制权交给(?(Open)(?!)):
a)堆栈中Open计数已为0,此时再遇到“)”
b)匹配到字符串结束符
这时控制权交给(?(Open)(?!)),判断Open是否有匹配,由于此时计数为0,没有匹配,那么就匹配“no”分支,由于这个条件判断结构中没有“no”分支,所以什么都不做,把控制权交给接下来的“\)”
如果上面遇到的是情况a),那么此时“\)”可以匹配接下来的“)”,匹配成功;
如果上面遇到的是情况b),那么此时会进行回溯,直到“\)”匹配成功为止,否则报告整个表达式匹配失败。
由于.NET中的狭义平衡组“(?08fe5173bd2246255fe28549c194ac4dExpression)”结构,可以动态的对堆栈中捕获组进行计数,匹配到一个开始标记,入栈,计数加1,匹配到一个结束标记,出栈,计数减1,最后再判断堆栈中是否还有Open,有则说明开始和结束标记不配对出现,不匹配,进行回溯或报告匹配失败;如果没有,则说明开始和结束标记配对出现,继续进行后面子表达式的匹配。
需要对“(?!)”进行一下说明,它属于顺序否定环视,完整的语法是“(?!Expression)”。由于这里的“Expression”不存在,表示这里不是一个位置,所以试图尝试匹配总是失败的,作用就是在Open不配对出现时,报告匹配失败。

下面在看个例子:

<table>
<tr>
<td id="td1"> </td>
<td id="td2">
<table>
<tr>
<td>snhame</td>
<td>f</td>
</tr>
</table>
</td>
<td></td>
</tr> </table>

以上为部分的HTML代码.现在我们的问题是要提取出其100ccdc5f30895b24b92aa80cfaf494a的b6c5a531a458a2e790c1fd6421739d1c标签并将其删除掉,以往我们惯用的方法都是直接去取,像662e608096e8700eb640d3508b1fe34b[\s\S]+?\b90dd5946f0946207856a8a37f441edf,不过问题出来了,我们提取到的不是我们想要的内容,而是

<td id="td2">
<table>
<tr>
<td>snhame</td>

原因也很简单,它和离他最近的b90dd5946f0946207856a8a37f441edf标签匹配上了,不过它不知道这个标签不是它的-_-,是不是就是?符号的原因呢,我们去掉让他无限制贪婪,可这下问题更大了,什么乱七八糟的东东它都匹配到了

<td id="td2">
<table>
<tr>
<td>snhame</td>
f


这个结果也不是我们想要的。那么我就用“平衡组”来解决吧。

2a7c83b38cefcd86f65b797ba54aea81]*>((?57193b04c2b951b1e7837fcc75cc8e84cb495b13cb504cf067fedb8c6f66b697]*>)+|(?1942aa3f8d29e470cbc78e852cf446e9b90dd5946f0946207856a8a37f441edf)|[\s\S])*?(?(mm)(?!))b90dd5946f0946207856a8a37f441edf

匹配的结果是

<td id="td2">
<table>
<tr>
<td>snhame</td>
f



这正是我们想要的
注意,我开始写成这样的方式

<td\s*id="td2"[^>]*>((?<mm><td[^>]*>)+|(?<-mm></td>)|[\s\S])*(?(mm)(?!))</td>

匹配的结果是

<td id="td2">
<table>
<tr>
<td>snhame</td>
f



一个问题
以下代码只是做为一个问题探讨
文本内容:e+f(-(g/(h-i))*j

正则表达式:

\(
 (
  (?<mm>\()
  |
  (?<-mm>\))
  |
  .
 )*?
 (?(mm)(?!))
\)

匹配的结果是:(-(g/(h-i))

以上是詳細講解平衡組_正規表示式的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述:
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn