使用递归表达式匹配嵌套大括号的正则表达式？

Question

我正在尝试匹配sp { ...{...}... }这样的文本，其中大括号允许嵌套。这就是我到目前为止所知道的：

my $regex = qr/
(                   #save $1
    sp\s+           #start Soar production
    (               #save $2
        \{          #opening brace
        [^{}]*      #anything but braces
        \}          #closing brace  
        | (?1)      #or nested braces
    )+              #0 or more
)
/x;

我就是不能让它与下面的文本匹配：sp { { word } }。有人能看到我的正则表达式出了什么问题吗？

Answer 1

这里面有很多问题。递归位应为：

(
   (?: \{ (?-1) \}
   |   [^{}]+
   )*
)

总而言之：

my $regex = qr/
   sp\s+
   \{
      (
         (?: \{ (?-1) \}
         |   [^{}]++
         )*
      )
   \}
/x;

print "$1\n" if 'sp { { word } }' =~ /($regex)/;

Answer 2

这是未得到充分利用的Text::Balanced的例子，它是一种非常方便的核心模块。它确实依赖于首先找到/设置的分隔序列开始处的pos，所以我通常这样调用它：

#!/usr/bin/env perl

use strict;
use warnings;

use Text::Balanced 'extract_bracketed';

sub get_bracketed {
  my $str = shift;

  # seek to beginning of bracket
  return undef unless $str =~ /(sp\s+)(?={)/gc;

  # store the prefix
  my $prefix = $1;

  # get everything from the start brace to the matching end brace
  my ($bracketed) = extract_bracketed( $str, '{}');

  # no closing brace found
  return undef unless $bracketed;

  # return the whole match
  return $prefix . $bracketed;
}

my $str = 'sp { { word } }';

print get_bracketed $str;

带有gc修饰符的正则表达式告诉字符串记住匹配的结束点在哪里，extract_bracketed使用该信息知道从哪里开始。