.net - 可变长度后视中的平衡组

Question

这个问题在这里已经有了答案:





Why does this backreference not work inside a lookbehind?

(1 个回答)


5年前关闭。

TL;DR: Using capturing (and in particular balancing groups) inside .NET's lookbehinds changes the obtained captures, although it shouldn't make a difference. What is it with .NET's lookbehinds that breaks the expected behavior?

我试图想出一个答案 this other question ，作为玩弄 .NET 平衡组的借口。但是，我无法让它们在可变长度的lookbehind 中工作。

首先，请注意我不打算有效地使用这个特定的解决方案。这更多是出于学术原因，因为我觉得可变长度后视发生了一些我不知道的事情。并且知道这在将来会派上用场，当我实际上需要使用这样的东西来解决问题时。

考虑这个输入:

~(a b (c) d (e f (g) h) i) j (k (l (m) n) p) q

目标是匹配括号内的所有字母，这些字母以 ~ 开头。 ，不管有多深(所以从 a 到 i 的所有内容)。我的尝试是在后视中检查正确的位置，这样我就可以在一次调用 Matches 中获得所有字母。 .这是我的模式:

(?<=~[(](?:[^()]*|(?<Depth>[(])|(?<-Depth>[)]))*)[a-z]

在回顾中，我试图找到一个 ~( ，然后我使用命名组堆栈 Depth计算无关的左括号。只要括号在~(中打开永远不会关闭，后视应该匹配。如果到达那个的右括号，(?<-Depth>...)无法从堆栈中弹出任何内容，并且后视应该失败(即，对于来自 j 的所有字母)。不幸的是，这不起作用。相反，我匹配 a , b , c , e , f , g和 m .所以只有这些:

~(a b (c) _ (e f (g) _) _) _ (_ (_ (m) _) _) _

这似乎意味着一旦我关闭了一个括号，后视就无法匹配任何东西，除非 我回到我以前去过的最高嵌套级别。

好的，这可能只是意味着我的正则表达式有些奇怪，或者我没有正确理解平衡组。但是后来我在没有后视的情况下尝试了这个。我为每个字母创建了一个字符串，如下所示:

~(z b (c) d (e f (x) y) g) h (i (j (k) l) m) n
~(a z (c) d (e f (x) y) g) h (i (j (k) l) m) n
~(a b (z) d (e f (x) y) g) h (i (j (k) l) m) n
....
~(a b (c) d (e f (x) y) g) h (i (j (k) l) z) n
~(a b (c) d (e f (x) y) g) h (i (j (k) l) m) z

并在每一个上使用这个模式:

~[(](?:[^()]*|(?<Depth>[(])|(?<-Depth>[)]))*z

根据需要，所有情况都匹配，其中 z替换 a 之间的字母和 i之后的所有案例都失败了。

那么(可变长度)lookbehind 做了什么破坏了平衡组的这种使用？我整个晚上都试图研究这个(并找到了类似 this one 的页面)，但我在回顾中找不到它的单一用途。

如果有人可以将我链接到有关 .NET 正则表达式引擎如何在内部处理 .NET 特定功能的一些深入信息，我也会很高兴。我找到了 this amazing article ，但它似乎没有进入(可变长度)lookbehinds，例如。

Answer 1

我想我明白了。
首先，正如我在其中一条评论中提到的，(?<=(?<A>.)(?<-A>.))从不匹配。
但后来我想， (?<=(?<-A>.)(?<A>.)) 怎么样？ ?它确实匹配!
怎么样(?<=(?<A>.)(?<A>.)) ?与 "12" 匹配, A是捕获 "1" ，如果我们看看 Captures收藏，是{"2", "1"} - 前两个，然后一个 - 反过来。
因此，在lookbehind中，.net从右到左匹配和捕获 .

现在，我们怎样才能让它从左到右捕捉？这很简单，真的 - 我们可以使用前瞻来欺骗引擎:

(?<=(?=(?<A>.)(?<A>.))..)

应用于您的原始模式，我想出的最简单的选择是:

(?<=
    ~[(]
    (?=
        (?:
            [^()]
            |
            (?<Depth>[(])
            |
            (?<-Depth>[)])
        )*
        (?<=(\k<Prefix>))   # Make sure we matched until the current position
    )
    (?<Prefix>.*)           # This is captured BEFORE getting to the lookahead
)
[a-z]

这里的挑战是现在平衡部分可能会在任何地方结束，所以我们让它一直到达当前位置(像 \G 或 \Z 这样的东西在这里会很有用，但我不认为 .net 有那个)

这种行为很可能记录在某处，我会尝试查找。

这是另一种方法。这个想法很简单 - .net 想要从右到左匹配？美好的!拿着它:
(提示: 从底部开始阅读 - 这就是 .net 的做法)

(?<=
    (?(Depth)(?!))  # 4. Finally, make sure there are no extra closed parentheses.
    ~\(
    (?>                     # (non backtracking)
        [^()]               # 3. Allow any other character
        |
        \( (?<-Depth>)?     # 2. When seeing an open paren, decreace depth.
                            #    Also allow excess parentheses: '~((((((a' is OK.
        |
        (?<Depth>  \) )     # 1. When seeing a closed paren, add to depth.
    )*
)
\w                          # Match your letter