詳細講解平衡組_正規表示式

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！