.NET正則基礎(chǔ)之平衡組

更新時(shí)間：2023年05月28日 13:50:54 作者：過客

平衡組是微軟在.NET中提出的一個(gè)概念，主要是結(jié)合幾種正則語法規(guī)則，提供對配對出現(xiàn)的嵌套結(jié)構(gòu)的匹配，.NET是目前對正則支持最完備、功能最強(qiáng)大的語言平臺(tái)之一，而平衡組正是其強(qiáng)大功能的外在表現(xiàn)，也是比較實(shí)用的文本處理功能

1、概述

平衡組是微軟在.NET中提出的一個(gè)概念，主要是結(jié)合幾種正則語法規(guī)則，提供對配對出現(xiàn)的嵌套結(jié)構(gòu)的匹配。.NET是目前對正則支持最完備、功能最強(qiáng)大的語言平臺(tái)之一，而平衡組正是其強(qiáng)大功能的外在表現(xiàn)，也是比較實(shí)用的文本處理功能，目前只有.NET支持，相信后續(xù)其它語言會(huì)提供支持。

平衡組可以有狹義和廣義兩種定義，狹義平衡組指.NET中定義的(?<Close-Open>Expression)語法，廣義平衡組并不是固定的語法規(guī)則，而是幾種語法規(guī)則的綜合運(yùn)用，我們平時(shí)所說的平衡組通常指的是廣義平衡組。本文中如無特殊說明，平衡組這種簡寫指的是廣義平衡組。

正是由于平衡組功能的強(qiáng)大，所以帶來了一些神秘色彩，其實(shí)平衡組并不難掌握。下面就平衡組的匹配原理、應(yīng)用場景以及性能調(diào)優(yōu)展開討論。

2、平衡組匹配原理

2.1 預(yù)備知識(shí)

平衡組通常是由量詞，分支結(jié)構(gòu)，命名捕獲組，狹義平衡組，條件判斷結(jié)構(gòu)組成的，量詞和分支結(jié)構(gòu)這里不做介紹，這里只對命名捕獲組，狹義平衡組和條件判斷結(jié)構(gòu)做下說明。

2.1.1命名捕獲組

語法：(?<name>Expression)

(?’name’Expression)

以上兩種寫法在.NET中是等價(jià)的，都是將“Expression”子表達(dá)式匹配到的內(nèi)容，保存到以“name”命名的組里，以供后續(xù)引用。

對于命名捕獲組的應(yīng)用，這里不做重點(diǎn)介紹，只是需要澄清一點(diǎn)，平時(shí)使用捕獲組時(shí)，一般反向引用或Group對象使用得比較多，可能會(huì)有一種誤解，那就是捕獲組只保留一個(gè)匹配結(jié)果，即使一個(gè)捕獲組可以先后匹配多個(gè)子串，也只保留最后一個(gè)匹配到的子串。但事實(shí)是這樣嗎？

舉例來說：

源字符串：abcdefghijkl

正則表達(dá)式：(?<chars>[a-z]{2})+

命名捕獲組chars最終捕獲的是什么？

string test = "abcdefghijkl";
Regex reg = new Regex(@"(?<chars>[a-z]{2})+");
Match m = reg.Match(test);
if (m.Success)
{
? ? ? richTextBox2.Text += "匹配結(jié)果：" + m.Value + "\n";
? ? ? richTextBox2.Text += "Group：" + m.Groups["chars"].Value + "\n";
}
/*--------輸出--------
匹配結(jié)果：abcdefghijkl
Group：kl
*/

從m.Groups["chars"].Value的輸出上看，似乎確實(shí)是只保留了一個(gè)匹配內(nèi)容，但卻忽略了一個(gè)事實(shí)，Group實(shí)際上是Capture的一個(gè)集合

string test = "abcdefghijkl";
Regex reg = new Regex(@"(?<chars>[a-z]{2})+");
Match m = reg.Match(test);
if (m.Success)
{
? ? ?richTextBox2.Text += "匹配結(jié)果：" + m.Value + "\n";
? ? ?richTextBox2.Text += "Group：" + m.Groups["chars"].Value + "\n--------------\n";
? ? ?foreach (Capture c in m.Groups["chars"].Captures)
? ? ?{
? ? ? ? ? ?richTextBox2.Text += "Capture：" + c + "\n";
? ? ?}
}
/*--------輸出--------
匹配結(jié)果：abcdefghijkl
Group：kl
--------------
Capture：ab
Capture：cd
Capture：ef
Capture：gh
Capture：ij
Capture：kl
*/

平時(shí)應(yīng)用時(shí)可能會(huì)忽略這一點(diǎn)，因?yàn)楹苌儆龅揭粋€(gè)捕獲組先后匹配多個(gè)子串的情況，而在一個(gè)捕獲組只匹配一個(gè)子串時(shí)，Group集合中就只有一個(gè)Capture元素，所以內(nèi)容是一樣的。

string test = "abcdefghijkl";
Regex reg = new Regex(@"(?<chars>[a-z]{2})");
Match m = reg.Match(test);
if (m.Success)
{
? ? ?richTextBox2.Text += "匹配結(jié)果：" + m.Value + "\n";
? ? ?richTextBox2.Text += "Group：" + m.Groups["chars"].Value + "\n--------------\n";
? ? ?foreach (Capture c in m.Groups["chars"].Captures)
? ? ?{
? ? ? ? ? richTextBox2.Text += "Capture：" + c + "\n";
? ? ?}
}
/*--------輸出--------
匹配結(jié)果：ab
Group：ab
--------------
Capture：ab
*/

捕獲組保存的是一個(gè)集合，而不只是一個(gè)元素，這一知識(shí)點(diǎn)對于理解平衡組的匹配原理是有幫助的。

2.1.2狹義平衡組

語法：(?<Close-Open>Expression)

其中“Close”是命名捕獲組的組名，也就是“(?<name>Expression)”中的“name”，可以省略，通常應(yīng)用時(shí)并不關(guān)注，所以一般都是省略的，寫作“(?<-Open>Expression)”。作用就是當(dāng)此處的“Expression”子表達(dá)式匹配成功時(shí)，則將最近匹配成功到的命名為“Open”組出棧，如果此前不存在匹配成功的“Open”組，那么就報(bào)告“(?<-Open>Expression)”匹配失敗，整個(gè)表達(dá)式在這一位置也是匹配失敗的。

2.1.3條件判斷結(jié)構(gòu)

語法：(?(Expression)yes|no)

(?(name)yes|no)

對于“(?(Expression)yes|no)”，它是“(?(?=Expression)yes|no)”的簡寫形式，相當(dāng)于三元運(yùn)算符

(?=Expression) ? yes : no

表示如果子表達(dá)式“(?=Expression)”匹配成功，則匹配“yes”子表達(dá)式，否則匹配“no”子表達(dá)式。如果“Expression”與可能出現(xiàn)的命名捕獲組的組名相同，為避免混淆，可以采用“(?(?=Expression)yes|no)”方式顯示聲明“Expression”為子表達(dá)式，而不是捕獲組名。

“(?=Expression)”驗(yàn)證當(dāng)前位置右側(cè)是否能夠匹配“Expression”，屬于順序環(huán)視結(jié)構(gòu)，是零寬度的，所以它只參與判斷，即使匹配成功，也不會(huì)占有字符。

舉例來說：

源字符串：abc

正則表達(dá)式：(?(?=a)\w{2}|\w)

當(dāng)前位置右側(cè)如果是字符“a” ，則匹配兩個(gè)“\w”，否則匹配一個(gè)“\w”。

string test = "abc";
Regex reg = new Regex(@"(?(?=a)\w{2}|\w)");
MatchCollection mc = reg.Matches(test);
foreach(Match m in mc)
{
? ? ?richTextBox2.Text += m.Value + "\n";
}
/*--------輸出--------
ab
c
*/

對于“(?(name)yes|no)”，如果命名捕獲組“name”有捕獲，則匹配“yes”子表達(dá)式，否則匹配“no”子表達(dá)式。這一語法最典型的一種應(yīng)用是平衡組。

當(dāng)然，以上兩種語法中，“yes”和“no都是可以省略的，但同一時(shí)間只能省略一個(gè)，不能一起省略。平衡組的應(yīng)用中就是省略了“no”子表達(dá)式。

2.2平衡組的匹配原理

平衡組的匹配原理可以用堆棧來解釋，先舉個(gè)例子，再根據(jù)例子進(jìn)行解釋。

源字符串：a+(b*(c+d))/e+f-(g/(h-i))*j

正則表達(dá)式：)|[^()])*(?(Open)(?!))\)

需求說明：匹配成對出現(xiàn)的()中的內(nèi)容

string test = "a+(b*(c+d))/e+f-(g/(h-i))*j";
Regex reg = new Regex(@")|[^()])*(?(Open)(?!))\)");
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
? ? ?richTextBox2.Text += m.Value + "\n";
}
/*--------輸出--------
(b*(c+d))
(g/(h-i))
*/

下面來考察一下這個(gè)正則，為了閱讀方便，寫成寬松模式。

Regex reg = new Regex(@"\( ? ? ? ? ? ? ? ? ? ? ? ? ?#普通字符“(”
? ? ? ? ? ? ? ? ? ? ? ? ? ? ( ? ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?<Open>\() ? ? ? ? #命名捕獲組，遇到開括弧'Open'計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?<-Open>\)) ? ? ? ?#狹義平衡組，遇到閉括弧'Open'計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? [^()]+ ? ? ? ? ? ? ?#非括弧的其它任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? #判斷是否還有'Open'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? ? \) ? ? ? ? ? ? ? ? ? ? ? ? ?#普通閉括弧
? ? ? ? ? ? ? ? ? ? ?", RegexOptions.IgnorePatternWhitespace);

對于一個(gè)嵌套結(jié)構(gòu)而言，開始和結(jié)束標(biāo)記都是確定的，對于本例開始為“(”，結(jié)束為“)”，那么接下來就是考察中間的結(jié)構(gòu)，中間的字符可以劃分為三類，一類是“(”，一類是“)”，其余的就是除這兩個(gè)字符以外的任意字符。

那么平衡組的匹配原理就是這樣的：

1.先找到第一個(gè)“(”，作為匹配的開始

2.在第1步以后，每匹配到一個(gè)“(”，就入棧一個(gè)Open捕獲組，計(jì)數(shù)加1

3.在第1步以后，每匹配到一個(gè)“)”，就出棧最近入棧的Open捕獲組，計(jì)數(shù)減1

4.后面的(?(Open)(?!))用來保證堆棧中Open捕獲組計(jì)數(shù)是否為0，也就是“(”和“)”是配對出現(xiàn)的

5.最后的“)”，作為匹配的結(jié)束

匹配過程（以下匹配過程，如果覺得難以理解，可以暫時(shí)跳過，先學(xué)會(huì)如何使用，再研究為什么可以這樣用吧）

首先匹配第一個(gè)“(”，然后一直匹配，直到出現(xiàn)以下兩種情況之一：

a)堆棧中Open計(jì)數(shù)已為0，此時(shí)再遇到“)”

b)匹配到字符串結(jié)束符

這時(shí)控制權(quán)交給(?(Open)(?!))，判斷Open是否有匹配，由于此時(shí)計(jì)數(shù)為0，沒有匹配，那么就匹配“no”分支，由于這個(gè)條件判斷結(jié)構(gòu)中沒有“no”分支，所以什么都不做，把控制權(quán)交給接下來的“\)”

如果上面遇到的是情況a)，那么此時(shí)“\)”可以匹配接下來的“\)”，匹配成功；如果上面遇到的是情況b)，那么此時(shí)會(huì)進(jìn)行回溯，直到“\)”匹配成功為止，否則報(bào)告整個(gè)表達(dá)式匹配失敗。

由于.NET中的狹義平衡組“(?<Close-Open>Expression)”結(jié)構(gòu)，可以動(dòng)態(tài)的對堆棧中捕獲組進(jìn)行計(jì)數(shù)，匹配到一個(gè)開始標(biāo)記，入棧，計(jì)數(shù)加1，匹配到一個(gè)結(jié)束標(biāo)記，出棧，計(jì)數(shù)減1，最后再判斷堆棧中是否還有Open，有則說明開始和結(jié)束標(biāo)記不配對出現(xiàn)，不匹配，進(jìn)行回溯或報(bào)告匹配失??；如果沒有，則說明開始和結(jié)束標(biāo)記配對出現(xiàn)，繼續(xù)進(jìn)行后面子表達(dá)式的匹配。

需要對“(?!)”進(jìn)行一下說明，它屬于順序否定環(huán)視，完整的語法是“(?!Expression)”。由于這里的“Expression”不存在，表示這里不是一個(gè)位置，所以試圖嘗試匹配總是失敗的，作用就是在Open不配對出現(xiàn)時(shí)，報(bào)告匹配失敗。

3、平衡組的應(yīng)用及優(yōu)化

平衡組提供了嵌套結(jié)構(gòu)的匹配功能，這一創(chuàng)新是很讓人興奮的，因?yàn)榇饲罢齽t對于嵌套結(jié)構(gòu)的匹配是無能為力的。然而功能的強(qiáng)大，自然也帶來了實(shí)現(xiàn)的復(fù)雜，正則書寫得不好，可能會(huì)存在效率陷阱，甚至導(dǎo)致程序崩潰，這里介紹一些基本的優(yōu)化方法。

3.1單字符嵌套結(jié)構(gòu)平衡組優(yōu)化

單字符的嵌套結(jié)構(gòu)指的是開始和結(jié)束標(biāo)記都單個(gè)字符的嵌套結(jié)構(gòu)，這種嵌套相對來說比較簡單，優(yōu)化起來也比較容易。先從上面提到的例子開始。

3.1.1貪婪與非貪婪模式

上面給的例子是一種做了部分優(yōu)化的常規(guī)寫法，算作是版本1吧，它做了哪些優(yōu)化呢，先來看下完全沒有做過優(yōu)化的版本0吧。

string test = "a+(b*(c+d))/e+f-(g/(h-i))*j";
Regex reg0 = new Regex(@"\( ? ? ? ? ? ? ? ? ? ? ? ? ?#普通字符“(”
? ? ? ? ? ? ? ? ? ? ? ? ? ? ( ? ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?<Open>\() ? ? ? ? #命名捕獲組，遇到開括弧Open計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?<-Open>\)) ? ? ? ?#狹義平衡組，遇到閉括弧Open計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? . ? ? ? ? ? ? ? ? ? #任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? ? )*? ? ? ? ? ? ? ? ? ? ? #以上子串出現(xiàn)0次或任意多次，非貪婪模式
? ? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? #判斷是否還有'OPEN'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? ? \) ? ? ? ? ? ? ? ? ? ? ? ? ?#普通閉括弧
? ? ? ? ? ? ? ? ? ? ? ?", RegexOptions.IgnorePatternWhitespace);
MatchCollection mc = reg0.Matches(test);
foreach (Match m in mc)
{
? ? ?richTextBox2.Text += m.Value + "\n";
}
/*--------輸出--------
(b*(c+d))
(g/(h-i))
*/

接下來對比一下版本1。

Regex reg1 = new Regex(@"\( ? ? ? ? ? ? ? ? ? ? ? ? ?#普通字符“(”
? ? ? ? ? ? ? ? ? ? ? ? ? ? ( ? ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?<Open>\() ? ? ? ? #命名捕獲組，遇到開括弧'Open'計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?<-Open>\)) ? ? ? ?#狹義平衡組，遇到閉括弧'Open'計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? [^()]+ ? ? ? ? ? ? ?#非括弧的其它任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? #判斷是否還有'Open'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? ? \) ? ? ? ? ? ? ? ? ? ? ? ? ?#普通閉括弧
? ? ? ? ? ? ? ? ? ? ?", RegexOptions.IgnorePatternWhitespace);

看到區(qū)別了嗎？版本1對版本0的改進(jìn)主要有兩個(gè)地方，一個(gè)是用“[^()]+”來代替“.”，另一個(gè)是用“*”來代替“*?”，也就是用貪婪模式來代替非貪婪模式。

如果使用了小數(shù)點(diǎn)“.”，那么為什么不能在分組內(nèi)使用“.+”，后面又為什么不能用“*”呢？只要在上面的正則中使用并運(yùn)行一下代碼就可以知道了，匹配的結(jié)果是

(b*(c+d))/e+f-(g/(h-i))

而不是

(b*(c+d))

(g/(h-i))

因?yàn)闊o論是分組內(nèi)使用“.+”還是后面使用“*”，都是貪婪模式，所以小數(shù)點(diǎn)會(huì)一直匹配下去，直到匹配到字符串的結(jié)束符才會(huì)停止，然后進(jìn)行回溯匹配。為了取得正確結(jié)果，必須使用非貪婪模式“*?”。

這就類似于用“”去匹配“(abc)def(ghi)”一樣，得到的結(jié)果是“(abc)def(ghi)”，而不是通常我們希望的“(abc)”和“(ghi)”。這時(shí)要用非貪婪模式“”來得到正確的結(jié)果。

貪婪模式和非貪婪模式在匹配失敗時(shí)，回溯的次數(shù)基本上是一樣的，效率上沒有多大區(qū)別，但是在匹配成功時(shí)，貪婪模式比非貪婪模式回溯的次數(shù)要少得多，效率要高得多。

對于“”如果既要得到正確的匹配結(jié)果，又要提高匹配效率，可以使用排除型捕獲組+貪婪模式的方式，即“”。

版本0的平衡組也是一樣，可以使用排除字符組“[^()]+”和貪婪模式“*”結(jié)合的方式，提高匹配效率，得到的就是版本1的平衡組。

相對于版本0，或許你會(huì)認(rèn)為版本1的寫法是很自然的，但是如果不了解這樣一個(gè)演進(jìn)過程，那么在字符序列嵌套結(jié)構(gòu)平衡組優(yōu)化時(shí)，就不會(huì)是那么自然的一件事了。

3.1.2 分支結(jié)構(gòu)

接下來就是分支結(jié)構(gòu)的優(yōu)化。

語法：(Exp1|Exp2|Exp3)

因?yàn)榉种ЫY(jié)構(gòu)的匹配規(guī)則是，從左向右嘗試匹配，當(dāng)左側(cè)分支匹配成功時(shí)，就不再向右嘗試。所以使用分支結(jié)構(gòu)時(shí)，可以根據(jù)以下兩條規(guī)則進(jìn)行優(yōu)化：

1.盡量抽象出每個(gè)分支中的公共的部分，使最后的表達(dá)式中，每個(gè)分支共公部分盡可能的少，比如(this|that)的匹配效率是沒有th(is|at)高的。

2. 在不影響匹配結(jié)果的情況下，把出現(xiàn)概率高的分支放在左側(cè)，出現(xiàn)概率低的分支放右側(cè)。

對于本例中的分支結(jié)構(gòu)，已經(jīng)沒有公共部分，符合第一條規(guī)則，再看下第二條規(guī)則，開始標(biāo)記“(”和結(jié)束標(biāo)記“)”出現(xiàn)的概率基本上是一樣的，而除“(”和“)”之外的字符出現(xiàn)的概率是比“(”和“)”出現(xiàn)的概率高的，所以應(yīng)該把“[^()]+”分支放在左側(cè)。

版本1由于采用了排除型捕獲組，所以這三個(gè)分支沒有包含關(guān)系，左右順序?qū)Y(jié)果不會(huì)造成影響，可以調(diào)整順序。因?yàn)檫@是已經(jīng)經(jīng)過優(yōu)化的了，而如果是版本0，由“.”對“(”和“)”有包含關(guān)系，就不能調(diào)整順序了。

在版本1基礎(chǔ)上對分支結(jié)構(gòu)進(jìn)行優(yōu)化后，就得到版本2。

string test = "a+(b*(c+d))/e+f-(g/(h-i))*j";
Regex reg2 = new Regex(@"\( ? ? ? ? ? ? ? ? ? ? ? ? ?#普通字符“(”
? ? ? ? ? ? ? ? ? ? ? ? ? ? ( ? ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? [^()]+ ? ? ? ? ? ? ?#非括弧的其它任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?<Open>\() ? ? ? ? #命名捕獲組，遇到開括弧Open計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?<-Open>\)) ? ? ? ?#狹義平衡組，遇到閉括弧Open計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? #判斷是否還有'OPEN'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? ? \) ? ? ? ? ? ? ? ? ? ? ? ? ?#普通閉括弧
? ? ? ? ? ? ? ? ? ? ? ?", RegexOptions.IgnorePatternWhitespace);
MatchCollection mc = reg2.Matches(test);
foreach (Match m in mc)
{
? ? ?richTextBox2.Text += m.Value + "\n";
}
/*--------輸出--------
(b*(c+d))
(g/(h-i))
*/

3.1.3 捕獲組

這里面主要涉及到了兩個(gè)捕獲組“(?<Open>\()”和“(?<-Open>\))”，而在平衡組的應(yīng)用中，我是只關(guān)心它是否匹配了，而對于匹配到的內(nèi)容是不關(guān)心的。對于這樣一種需求，可以用以下方式實(shí)現(xiàn)

\( (?<Open>)

\)(?<-Open>)

“(?<Open>)”和“(?<-Open>)”這兩種方式只是使用了命名捕獲組，捕獲的是一個(gè)位置，它總是能夠匹配成功的，而匹配的內(nèi)容是空的，分配的內(nèi)存空間是固定的，可以有效的節(jié)省資源，這在單字符嵌套結(jié)構(gòu)中并不明顯，但是在字符序列嵌套結(jié)構(gòu)中就比較明顯了。

由于捕獲組是直接跟在開始或結(jié)束標(biāo)記之后的，所以只要開始或結(jié)束標(biāo)記匹配成功，命名捕獲組自然就會(huì)匹配成功，對于功能是沒有任何影響的。

那么把標(biāo)記和捕獲組調(diào)整一下順序是否可以呢？從功能上來講，是可以的，但是匹配的流程上會(huì)有所不同，先是捕獲組匹配成功，入棧，然后再匹配標(biāo)記，成功則繼續(xù)匹配，不成功則該分支匹配失敗，進(jìn)行回溯，出棧，繼續(xù)嘗試下一分支。這樣將增加許多入棧和出棧的操作，對匹配效率是有影響的，所以這種方式并不可取。

在版本2基礎(chǔ)上對捕獲組進(jìn)行優(yōu)化后，就得到版本3。

string test = "a+(b*(c+d))/e+f-(g/(h-i))*j";
Regex reg3 = new Regex(@"\( ? ? ? ? ? ? ? ? ? ? ? ? ?#普通字符“(”
? ? ? ? ? ? ? ? ? ? ? ? ? ? ( ? ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? [^()]+ ? ? ? ? ? ? ?#非括弧的其它任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \( ?(?<Open>) ? ? ? #命名捕獲組，遇到開括弧Open計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \) ?(?<-Open>) ? ? ?#狹義平衡組，遇到閉括弧Open計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? #判斷是否還有'OPEN'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? ? \) ? ? ? ? ? ? ? ? ? ? ? ? ?#普通閉括弧
? ? ? ? ? ? ? ? ? ? ? ?", RegexOptions.IgnorePatternWhitespace);
MatchCollection mc = reg3.Matches(test);
foreach (Match m in mc)
{
? ? ?richTextBox2.Text += m.Value + "\n";
}
/*--------輸出--------
(b*(c+d))
(g/(h-i))
*/

3.1.4 固化分組

看到有些人使用平衡組時(shí)用到了固化分組，但并不是所有人都明白固化分組的作用。

語法：(?>Expression)

用“”去匹配“(abc)”是可以匹配成功的，因?yàn)椴挥没厮?，相對?ldquo;”這種非貪婪模式，效率上有所提升，但是對于匹配失敗的情況又如何呢？

源字符串：(abc

正則表達(dá)式：

匹配中間過程這里不再詳述，可以參考NFA引擎匹配原理。

當(dāng)“[^()]+”匹配到結(jié)束位置時(shí)，控制權(quán)交給“\)”，匹配失敗，進(jìn)行回溯，而由于前面使用了“[^()]+”這種排除型字符組，所以可供回溯的位置，不會(huì)存在可以匹配“\)”的情況，這時(shí)候的回溯是完全沒有意義的，只會(huì)浪費(fèi)時(shí)間，但是由于傳統(tǒng)NFA引擎的特點(diǎn)，必須回溯所有可能之后才會(huì)報(bào)告匹配失敗。

這時(shí)可以用固化分組來進(jìn)行優(yōu)化，一旦占有字符，就不再釋放。也就是一旦占有，就不再記錄可供回溯的可能。通常是與排除型字符組或順序否定環(huán)視一起使用的。

優(yōu)化后的正則表達(dá)式：

需要說明的一點(diǎn)，固化分組要作用于量詞修飾的子表達(dá)式才有意義，對于“(?>abc)”由于內(nèi)容是固定的，根本就不會(huì)產(chǎn)生回溯，所以使用固化分組是沒有意義的。

對于平衡組的應(yīng)用也是一樣，如果分組構(gòu)造中沒有量詞，那么使用固化分組就是沒有意義的，比如版本0

Regex reg = new Regex(@")|.)*?(?(Open)(?!))\)");

這種場景下使用固化分組就是沒有意義的。

在版本3基礎(chǔ)上對捕獲組進(jìn)行優(yōu)化后，就得到版本4。

string test = "a+(b*(c+d))/e+f-(g/(h-i))*j";
Regex reg4 = new Regex(@"\( ? ? ? ? ? ? ? ? ? ? ? ? ?#普通字符“(”
? ? ? ? ? ? ? ? ? ? ? ? ? ? (?> ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? [^()]+ ? ? ? ? ? ? ?#非括弧的其它任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \( ?(?<Open>) ? ? ? #命名捕獲組，遇到開括弧Open計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \) ?(?<-Open>) ? ? ?#狹義平衡組，遇到閉括弧Open計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? #判斷是否還有'OPEN'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? ? \) ? ? ? ? ? ? ? ? ? ? ? ? ?#普通閉括弧
? ? ? ? ? ? ? ? ? ? ? ?", RegexOptions.IgnorePatternWhitespace);
MatchCollection mc = reg4.Matches(test);
foreach (Match m in mc)
{
? ? ?richTextBox2.Text += m.Value + "\n";
}
/*--------輸出--------
(b*(c+d))
(g/(h-i))
*/

那么對于分組構(gòu)造外層的“*”修飾的子表達(dá)式是否可以使用固化分組呢？答案是否定的，因?yàn)槠胶饨M通常是要進(jìn)行回溯才能最終匹配成功的，所以如果使用固化分組，不記錄回溯可能的話，將無法得到正確結(jié)果。

3.1.5 進(jìn)一步優(yōu)化討論

那么現(xiàn)在是不是已經(jīng)完成優(yōu)化了呢？是的，通?？梢赃@么認(rèn)為。在一般應(yīng)用當(dāng)中，這已經(jīng)是從正則層面上來說，最優(yōu)方案了。

但是在有些場景下，由于Compiled模式可以有效提高分支結(jié)構(gòu)的匹配效率，所以對于源字符串比較復(fù)雜的情況，犧牲一些編譯時(shí)間和內(nèi)存，還是可以有效提高匹配效率的。

Regex reg5 = new Regex(@"\( ? ? ? ? ? ? ? ? ? ? ? ? #普通字符“(”
? ? ? ? ? ? ? ? ? ? ? ? ? ? (?> ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? [^()]+ ? ? ? ? ? ? ?#非括弧的其它任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \( ?(?<Open>) ? ? ? #命名捕獲組，遇到開括弧Open計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? \) ?(?<-Open>) ? ? ?#狹義平衡組，遇到閉括弧Open計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? #判斷是否還有'OPEN'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? ? \) ? ? ? ? ? ? ? ? ? ? ? ? ?#普通閉括弧
? ? ? ? ? ? ? ? ? ? ? ?", RegexOptions.IgnorePatternWhitespace | RegexOptions.Compiled);
MatchCollection mc = reg5.Matches(test);
foreach (Match m in mc)
{
? ? ?richTextBox2.Text += m.Value + "\n";
}
/*--------輸出--------
(b*(c+d))
(g/(h-i))
*/

并不是所有應(yīng)用場景都適合使用Compiled模式，比如上面這個(gè)例子里的源字符串如果是“a+(b*(c+d))/e+f-(g/(h-i))*j”，本身是非常簡單的，使用Compiled模式將是得不償失的。什么時(shí)候使用，要根據(jù)具體問題具體分析。

3.2 字符序列嵌套結(jié)構(gòu)平衡組應(yīng)用

字符序列嵌套結(jié)構(gòu)的匹配，典型的應(yīng)用就是html標(biāo)簽的提取。由于上面詳細(xì)說明了單字符嵌套結(jié)構(gòu)的優(yōu)化過程，這里主要講應(yīng)用場景，個(gè)別涉及到優(yōu)化的地方再討論。

字符序列嵌套結(jié)構(gòu)的匹配，舉例來說，取div標(biāo)簽。源字符串如下：

<div id="0">
? ? 0
</div>
<div id="1">
? ? 1
? ? <div id="2">
? ? ? ? 2
</div>
</div>

3.2.1提取最外層嵌套結(jié)構(gòu)

提取最外層div標(biāo)簽，分析過程及構(gòu)造方式與單字符嵌套結(jié)構(gòu)差不多，只是捕獲組等內(nèi)容稍稍復(fù)雜點(diǎn)，先給出實(shí)現(xiàn)，再進(jìn)行解釋。

string test = @"<div id=""0"">
? ? 0
</div>
<div id=""1"">
? ? 1
? ? <div id=""2"">
? ? ? ? 2
? ? </div>
</div>";
Regex reg = new Regex(@"(?isx) ? ? ? ? ? ? ? ? ? ? ?#匹配模式，忽略大小寫，“.”匹配任意字符
? ? ? ? ? ? ? ? ? ? ? <div[^>]*> ? ? ? ? ? ? ? ? ? ? ?#開始標(biāo)記“<div...>”
? ? ? ? ? ? ? ? ? ? ? ? ? (?> ? ? ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? <div[^>]*> ?(?<Open>) ? #命名捕獲組，遇到開始標(biāo)記，入棧，Open計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? </div> ?(?<-Open>) ? ? ?#狹義平衡組，遇到結(jié)束標(biāo)記，出棧，Open計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?:(?!</?div\b).)* ? ? ?#右側(cè)不為開始或結(jié)束標(biāo)記的任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? ? ? #判斷是否還有'OPEN'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? </div> ? ? ? ? ? ? ? ? ? ? ? ? ?#結(jié)束標(biāo)記“</div>”
? ? ? ? ? ? ? ? ? ? ? ");
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
richTextBox2.Text += m.Value + "\n--------------------\n";
}
/*--------輸出--------
<div id="0">
? ? 0
</div>
--------------------
<div id="1">
? ? 1
? ? <div id="2">
? ? ? ? 2
? ? </div>
</div>
--------------------
*/

在單字符嵌套結(jié)構(gòu)中，使用排除型字符組“[^()]+”，與分組構(gòu)造外的匹配優(yōu)先量詞“*” 達(dá)到貪婪模式匹配效果。在字符序列嵌套結(jié)構(gòu)中，要排除的是一個(gè)子串，而不是簡單的幾個(gè)無序字符，所以不能使用排除型字符組，此時(shí)需要用到順序否定環(huán)視來達(dá)到這一目的。“(?:(?!</?div\b).)*”表示的是所在位置右側(cè)不是“<div…>”或“</div>”的字符，這樣的字符重復(fù)0次或任意多次。關(guān)于環(huán)視的細(xì)節(jié)，可以參考正則基礎(chǔ)之——環(huán)視。

而由于這種否定環(huán)視包含兩種狀態(tài)，所以在與固化分組結(jié)合使用時(shí)，會(huì)與后面的開始或結(jié)束標(biāo)記形成包含關(guān)系，所以與固化分組一起使用時(shí)，不能放在左側(cè)，只能放在右側(cè)。

3.2.2 根據(jù)id提取div嵌套標(biāo)簽

根據(jù)id提取div時(shí)，改變的只是最外層div的結(jié)構(gòu)，對內(nèi)分組構(gòu)造內(nèi)部結(jié)構(gòu)沒有影響。但是因?yàn)閕d是變化的，所以正則需要?jiǎng)討B(tài)生成。下面給出實(shí)現(xiàn)，源字符串和輸出結(jié)果由于比較影響篇幅，就不再給出了。

string id = Regex.Escape(textBox1.Text); ? ? ? ? ? ? ? ? ? ?//動(dòng)態(tài)獲取id
Regex reg = new Regex(@"(?isx)
? ? ? ? ? ? ? ? ? ? ? <div(?:(?!(?:id=|</?div\b)).)*id=(['""]?)" + id ?+ @"\1[^>]*> ? ? ? ?#開始標(biāo)記“<div...>”
? ? ? ? ? ? ? ? ? ? ? ? ? (?> ? ? ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? <div[^>]*> ?(?<Open>) ? #命名捕獲組，遇到開始標(biāo)記，入棧，Open計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? </div> ?(?<-Open>) ? ? ?#狹義平衡組，遇到結(jié)束標(biāo)記，出棧，Open計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?:(?!</?div\b).)* ? ? ?#右側(cè)不為開始或結(jié)束標(biāo)記的任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? ? ? #判斷是否還有'OPEN'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? </div> ? ? ? ? ? ? ? ? ? ? ? ? ?#結(jié)束標(biāo)記“</div>”
? ? ? ? ? ? ? ? ? ? ?");
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
? ? ?richTextBox2.Text += m.Value + "\n--------------------\n";
}

在動(dòng)態(tài)生成正則表達(dá)式時(shí)，由于輸入的字符串中可能存在正則中有特殊意義的元字符，如果不進(jìn)行轉(zhuǎn)義的話，正則解析時(shí)會(huì)拋出異常。所以用Regex.Escape(string str)來對動(dòng)態(tài)輸入的字符串進(jìn)行轉(zhuǎn)義處理，確保不會(huì)因動(dòng)態(tài)輸入的內(nèi)容而拋異常。比如上面的例子，如果id不進(jìn)行轉(zhuǎn)義處理時(shí)，輸入“abc(def”就會(huì)拋“) 不足”這樣的異常。

3.2.3 根據(jù)id提取任意嵌套標(biāo)簽

再擴(kuò)展一下，根據(jù)id屬性取任意嵌套標(biāo)簽。實(shí)現(xiàn)如下，具體實(shí)現(xiàn)細(xì)節(jié)和討論參考就是通過id獲得一個(gè)html標(biāo)簽塊。以下正則相對于帖子對個(gè)別細(xì)節(jié)做了調(diào)整。

string html = @"
<html>
<body>
<div id=""div1"">
? ? <div id=""div2"" style=""background:Red;"">
? ? ? ? <div id=""div3"">
? ? ? ? ? ? <table id=""table1"">
? ? ? ? ? ? ? ? <tr>
? ? ? ? ? ? ? ? ? ? <td>
? ? ? ? ? ? ? ? ? ? ? ? <div id=""div4"" style=""width:100px""></div>
? ? ? ? ? ? ? ? ? ? </td>
? ? ? ? ? ? ? ? </tr>
? ? ? ? ? ? </table>
? ? ? ? </div>
? ? </div>
? ? <div id=div5>
? ? ? ? <a href=""http://www.csdn.net"">csdn</a>
? ? </div>
</div>
<img src=""http://www.csdn.net/Images/logo_csdn.gif""/>
</body>
</html>";
Console.WriteLine(html);
string[] idList = { "div1", "div2", "div3", "div4", "table1", "div5", "abc(def" };
string pattern = @"<([a-z]+)(?:(?!\bid\b)[^<>])*id=([""']?){0}\2[^>]*>(?><\1[^>]*>(?<o>)|</\1>(?<-o>)|(?:(?!</?\1).)*)*(?(o)(?!))</\1>";
foreach (string id in idList)
{
? ? ?Match match = Regex.Match(html, string.Format(pattern, Regex.Escape(id)),
? ? ? ? ? ? ? ? ? ? RegexOptions.Singleline | RegexOptions.IgnoreCase);
? ? ?Console.WriteLine("--------begin {0}--------", id);
? ? ?if (match.Success)
? ? ? ? ? Console.WriteLine(match.Value);
? ? ?else
? ? ? ? ? Console.WriteLine("o(╯□╰)o");
? ? ?Console.WriteLine("--------end {0}--------", id);
}
Console.ReadLine();

3.2.4 根據(jù)標(biāo)簽取外層嵌套結(jié)構(gòu)

根據(jù)動(dòng)態(tài)輸入的tag，取相應(yīng)的最外層的嵌套標(biāo)簽，實(shí)現(xiàn)如下。

string html = @"
<html>
<body>
<div id=""div1"">
? ? <div id=""div2"" style=""background:Red;"">
? ? ? ? <div id=""div3"">
? ? ? ? ? ? <table id=""table1"">
? ? ? ? ? ? ? ? <tr>
? ? ? ? ? ? ? ? ? ? <td>
? ? ? ? ? ? ? ? ? ? ? ? <div id=""div4"" style=""width:100px""></div>
? ? ? ? ? ? ? ? ? ? </td>
? ? ? ? ? ? ? ? </tr>
? ? ? ? ? ? </table>
? ? ? ? </div>
? ? </div>
? ? <div id=div5>
? ? ? ? <a href=""http://www.csdn.net"">csdn</a>
? ? </div>
</div>
<img src=""http://www.csdn.net/Images/logo_csdn.gif""/>
</body>
</html>";
Console.WriteLine(html);
string[] tagList = { "html", "body", "div", "table", "abc(def" };
string pattern = @"(?isx)
? ? ? ? ? ? ? ? ? ? ? <({0})\b[^>]*> ? ? ? ? ? ? ? ? ?#開始標(biāo)記“<tag...>”
? ? ? ? ? ? ? ? ? ? ? ? ? (?> ? ? ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? <\1[^>]*> ?(?<Open>) ? ?#命名捕獲組，遇到開始標(biāo)記，入棧，Open計(jì)數(shù)加1
? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? </\1> ?(?<-Open>) ? ? ? #狹義平衡組，遇到結(jié)束標(biāo)記，出棧，Open計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?:(?!</?\1\b).)* ? ? ? #右側(cè)不為開始或結(jié)束標(biāo)記的任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!)) ? ? ? ? ? ? ? #判斷是否還有'OPEN'，有則說明不配對，什么都不匹配
? ? ? ? ? ? ? ? ? ? ? </\1> ? ? ? ? ? ? ? ? ? ? ? ? ? #結(jié)束標(biāo)記“</tag>”
? ? ? ? ? ? ? ? ? ? ?";
foreach (string tag in tagList)
{
? ? ?Match match = Regex.Match(html, string.Format(pattern, Regex.Escape(tag)));
? ? ?Console.WriteLine("--------begin {0}--------", tag);
? ? ?if (match.Success)
? ? ? ? ?Console.WriteLine(match.Value);
? ? ?else
? ? ? ? ?Console.WriteLine("o(╯□╰)o");
? ? Console.WriteLine("--------end {0}--------", tag);
}
Console.ReadLine();

3.2.5 條件判斷結(jié)構(gòu)擴(kuò)展應(yīng)用

條件判斷結(jié)構(gòu)的作用不只限于驗(yàn)證開始和結(jié)束標(biāo)記是否配對，根據(jù)需求的不同，還可以有其它一些應(yīng)用。比如在匹配div標(biāo)簽時(shí)，只取內(nèi)部“存在”嵌套的外層標(biāo)簽。

string test = @"<div id=""0"">
? ? 0
</div>
<div id=""1"">
? ? 1
? ? <div id=""2"">
? ? ? ? 2
? ? </div>
</div>";
Regex reg = new Regex(@"(?isx) ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?#匹配模式，忽略大小寫，“.”匹配任意字符
? ? ? ? ? ? ? ? ? ? ? <div[^>]*> ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?#開始標(biāo)記“<div...>”
? ? ? ? ? ? ? ? ? ? ? ? ? (?> ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? #分組構(gòu)造，用來限定量詞“*”修飾范圍
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? <div[^>]*> ?(?<Open>)(?<Mask>) ?#遇到開始標(biāo)記，入棧，Open和Mask計(jì)數(shù)各加1
? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? </div> ?(?<-Open>) ? ? ? ? ? ? ?#遇到結(jié)束標(biāo)記，出棧，Open計(jì)數(shù)減1
? ? ? ? ? ? ? ? ? ? ? ? ? | ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? #分支結(jié)構(gòu)
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? (?:(?!</?div\b).)* ? ? ? ? ? ? ?#右側(cè)不為開始或結(jié)束標(biāo)記的任意字符
? ? ? ? ? ? ? ? ? ? ? ? ? )* ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?#以上子串出現(xiàn)0次或任意多次
? ? ? ? ? ? ? ? ? ? ? ? ? (?(Open)(?!))(?(Mask)|(?!)) ? ? ? ? #'OPEN'保證標(biāo)記配對，'Mask'保證內(nèi)部有嵌套
? ? ? ? ? ? ? ? ? ? ? </div> ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?#結(jié)束標(biāo)記“</div>”
? ? ? ? ? ? ? ? ? ? ? ");
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
? ? ?richTextBox2.Text += m.Value + "\n--------------------\n";
}
/*--------輸出--------
<div id="1">
? ? 1
? ? <div id="2">
? ? ? ? 2
? ? </div>
</div>
--------------------
*/

命名捕獲組“(?<Mask>)”只入棧不出棧，如果內(nèi)部有嵌套，則“(?<Mask>)”一定有匹配，此時(shí)匹配“(?(Mask)yes|no)”中的“yes”子表達(dá)式，也就是什么都不做；如果內(nèi)部沒有嵌套，則“(?<Mask>)”沒有匹配，此時(shí)匹配“(?(Mask)yes|no)”中的“no”子表達(dá)式，也就是報(bào)告匹配失敗。這里省略的是“(?(Mask)yes|no)”中的“yes”子表達(dá)式。

對于匹配內(nèi)部沒有嵌套的標(biāo)簽，也就是最內(nèi)層標(biāo)簽，可以使用上面的正則表達(dá)式，將“(?(Mask)yes|no)”中的“yes”子表達(dá)式設(shè)為“(?!)”，將“yes”子表達(dá)式省略。不過這樣做有些浪費(fèi)，完全可以用順序否定環(huán)視來實(shí)現(xiàn)這一需求。

string test = @"<div id=""0"">
? ? 0
</div>
<div id=""1"">
? ? 1
? ? <div id=""2"">
? ? ? ? 2
? ? </div>
</div>";
Regex reg = new Regex(@"(?is)<div[^>]*>(?:(?!</?div\b).)*</div>");
MatchCollection mc = reg.Matches(test);
foreach (Match m in mc)
{
? ? ? richTextBox2.Text += m.Value + "\n--------------------\n";
}
/*--------輸出--------
<div id="0">
? ? 0
</div>
--------------------
<div id="2">
? ? ? ? 2
? ? </div>
--------------------
*/

4、平衡組應(yīng)用范圍探討

平衡組可以用來匹配嵌套結(jié)構(gòu)，這是一個(gè)很大的創(chuàng)新，但是否就認(rèn)為平衡組適合用來解決任何嵌套問題呢？事實(shí)當(dāng)然不會(huì)是這樣。

比如下面這個(gè)需求，(參考請問一個(gè)正則表達(dá)式) ：

源字符串：1+Sum(1,Sum(2, Sum(3), 4), 5)*4+5+Sum(9,Sum(8, Sum(7), 6), 5)*6+7

要求輸出：

Sum(1,Sum(2, Sum(3), 4), 5)

Sum(2, Sum(3), 4)

Sum(3)

Sum(9,Sum(8, Sum(7), 6), 5)

Sum(8, Sum(7), 6)

Sum(7)

這種需求使用平衡組+遞歸的方式可以實(shí)現(xiàn)，實(shí)現(xiàn)代碼如下：

//遞歸方法
private void getNesting(string src, Regex reg, List<string> list)
{
? ? MatchCollection mc = reg.Matches(src);
? ? foreach(Match m in mc)
? ? {
? ? ? ? list.Add(m.Value);
? ? ? ? src = m.Value.Remove(m.Value.Length-1, 1);
? ? ? ? if (reg.IsMatch(src))
? ? ? ? {
? ? ? ? ? ? ?getNesting(src, reg, list);
? ? ? ? }
? ? }
}
//調(diào)用
string test = "1+Sum(1,Sum(2, Sum(3), 4), 5)*4+5+Sum(9,Sum(8, Sum(7), 6), 5)*6+7";
List<string> list = new List<string>();
Regex reg = new Regex(@"(?i)Sum(?<-o>))*(?(o)(?!))\)", RegexOptions.Compiled);
getNesting(test, reg, list);
foreach (string s in list)
{
? ? ?richTextBox2.Text += s + "\n";
}

平衡組雖然可以實(shí)現(xiàn)要求，但除非你對效率沒有要求，否則這一類需求通常是不適合用正則來實(shí)現(xiàn)的。因?yàn)槠胶饨M并不是為這一功能而設(shè)計(jì)的，在實(shí)現(xiàn)過程中做了很多額外的嘗試。效率上自然要大打折扣。

類似這樣的需求，可以自己寫有窮自動(dòng)機(jī)來實(shí)現(xiàn)，畢竟正則也只不過是一種有窮自動(dòng)機(jī)的實(shí)現(xiàn)而已。

? ? ? ? ? ? string test = @"1+Sum(1,Sum(2, Sum(3), 4), 5)*4+5+Sum(9,Sum(8, Sum(7), 6), 5)*6+7 ";
? ? ? ? ? ? StringBuilder nesting = new StringBuilder(64);
? ? ? ? ? ? List<StringBuilder> list = new List<StringBuilder>();
? ? ? ? ? ? List<string> groups = new List<string>();
? ? ? ? ? ? int level = 0;
? ? ? ? ? ? int state = 0;
? ? ? ? ? ? foreach (char c in test)
? ? ? ? ? ? {
? ? ? ? ? ? ? ? if ((c == 'S' || c == 's') && state == 0)
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? state = 1;
? ? ? ? ? ? ? ? ? ? nesting.Append(c);
? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? else if ((c == 'U' || c == 'u') && state == 1)
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? state = 2;
? ? ? ? ? ? ? ? ? ? nesting.Append(c);
? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? else if ((c == 'M' || c == 'm') && state == 2)
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? state = 3;
? ? ? ? ? ? ? ? ? ? nesting.Append(c);
? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? else if (c == '(' && state == 3)
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? state = 0;
? ? ? ? ? ? ? ? ? ? level++;
? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? else
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? state = 0;
? ? ? ? ? ? ? ? ? ? nesting = new StringBuilder(64);
? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? if (c == ')')
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? if (level > 0)
? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? level--;
? ? ? ? ? ? ? ? ? ? ? ? groups.Add(list[level].ToString() + c);
? ? ? ? ? ? ? ? ? ? ? ? list.Remove(list[level]);
? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? if (level > 0)
? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? while(list.Count < level)
? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? list.Add(nesting);
? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? ? ? for (int i = 0; i < level; i++)
? ? ? ? ? ? ? ? ? ? {
? ? ? ? ? ? ? ? ? ? ? ? list[i].Append(c);
? ? ? ? ? ? ? ? ? ? }
? ? ? ? ? ? ? ? }
? ? ? ? ? ? }
? ? ? ? ? ? foreach (string s in groups)
? ? ? ? ? ? {
? ? ? ? ? ? ? ? Console.WriteLine(s);
? ? ? ? ? ? }
? ? ? ? ? ? Console.ReadLine();

5、其它聲明

到此為止，平衡組的基本應(yīng)用場景和性能調(diào)優(yōu)都已討論完了，本文對于平衡組匹配原理講得相對比較少，以應(yīng)用場景分析為主。主要是因?yàn)槟軌蚴褂闷胶饨M來解決問題的人，通常已經(jīng)對正則的基本語法有了一定程度的理解。而如果事實(shí)確實(shí)如此，那么對于平衡組的理解，也是水到渠成的了。

以上正則實(shí)現(xiàn)中，采用的多是寬松排列模式，主要是為了加注釋，使得閱讀清晰。而寬松排列模式通常用于教學(xué)目的，實(shí)際使用過程中，如果不是為了可讀性的考慮，可以去掉這些注釋和寬松排列模式參數(shù)。

上面給出了很多平衡組的應(yīng)用，這里需要說明的是，我提供的只是一些方法和思路，從來不推薦把正則當(dāng)作模板來用，雖然有些時(shí)候，它確實(shí)可以當(dāng)作模板來用，但我還是希望你能真正的掌握這些語法規(guī)則之后，再去應(yīng)用平衡組。當(dāng)然，如果你認(rèn)為能用就行，不需要知道為什么可以這樣用，只是把它當(dāng)作模板來套，我也無話可說。

到此這篇關(guān)于.NET正則基礎(chǔ)之平衡組的文章就介紹到這了,更多相關(guān)正則平衡組內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

国产无遮挡裸体免费直播视频,久久精品国产蜜臀av,动漫在线视频一区二区,欧亚日韩一区二区三区,久艹在线免费视频,国产精品美女网站免费,正在播放 97超级视频在线观看,斗破苍穹年番在线观看免费,51最新乱码中文字幕

.NET正則基礎(chǔ)之平衡組

1、概述

2、平衡組匹配原理

2.1 預(yù)備知識(shí)

2.1.1命名捕獲組

2.1.2狹義平衡組

2.1.3條件判斷結(jié)構(gòu)

2.2平衡組的匹配原理

3、平衡組的應(yīng)用及優(yōu)化

3.1單字符嵌套結(jié)構(gòu)平衡組優(yōu)化

3.1.1貪婪與非貪婪模式

3.1.2 分支結(jié)構(gòu)

3.1.3 捕獲組

3.1.4 固化分組

3.1.5 進(jìn)一步優(yōu)化討論

3.2 字符序列嵌套結(jié)構(gòu)平衡組應(yīng)用

3.2.1提取最外層嵌套結(jié)構(gòu)

3.2.2 根據(jù)id提取div嵌套標(biāo)簽

3.2.3 根據(jù)id提取任意嵌套標(biāo)簽

3.2.4 根據(jù)標(biāo)簽取外層嵌套結(jié)構(gòu)

3.2.5 條件判斷結(jié)構(gòu)擴(kuò)展應(yīng)用

4、平衡組應(yīng)用范圍探討

5、其它聲明

相關(guān)文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

国产无遮挡裸体免费直播视频,久久精品国产蜜臀av,动漫在线视频一区二区,欧亚日韩一区二区三区,久艹在线 免费视频,国产精品美女网站免费,正在播放 97超级视频在线观看,斗破苍穹年番在线观看免费,51最新乱码中文字幕

.NET正則基礎(chǔ)之平衡組

1、概述

2、平衡組匹配原理

2.1 預(yù)備知識(shí)

2.1.1命名捕獲組

2.1.2狹義平衡組

2.1.3條件判斷結(jié)構(gòu)

2.2平衡組的匹配原理

3、平衡組的應(yīng)用及優(yōu)化

3.1單字符嵌套結(jié)構(gòu)平衡組優(yōu)化

3.1.1貪婪與非貪婪模式

3.1.2 分支結(jié)構(gòu)

3.1.3 捕獲組

3.1.4 固化分組

3.1.5 進(jìn)一步優(yōu)化討論

3.2 字符序列嵌套結(jié)構(gòu)平衡組應(yīng)用

3.2.1提取最外層嵌套結(jié)構(gòu)

3.2.2 根據(jù)id提取div嵌套標(biāo)簽

3.2.3 根據(jù)id提取任意嵌套標(biāo)簽

3.2.4 根據(jù)標(biāo)簽取外層嵌套結(jié)構(gòu)

3.2.5 條件判斷結(jié)構(gòu)擴(kuò)展應(yīng)用

4、平衡組應(yīng)用范圍探討

5、其它聲明

相關(guān)文章

最新評論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

国产无遮挡裸体免费直播视频,久久精品国产蜜臀av,动漫在线视频一区二区,欧亚日韩一区二区三区,久艹在线免费视频,国产精品美女网站免费,正在播放 97超级视频在线观看,斗破苍穹年番在线观看免费,51最新乱码中文字幕

2、平衡組匹配原理

3、平衡組的應(yīng)用及優(yōu)化

4、平衡組應(yīng)用范圍探討

5、其它聲明