捕获嵌套/由特殊字符包围的regex组

Question

我正在努力寻找出现在倾斜(~)标志边界内的单词。

 e.g. ~albert~ is a ~good~ boy.

我知道，通过使用~.+?~，这是可能的，它已经对我起作用了。但在特殊情况下，我需要匹配嵌套的倾斜句。

 e.g. ~The ~spectacle~~ was ~broken~

在上面的例子中，我必须分别捕捉“眼镜”、“眼镜”和“破碎的”。这些将被逐字翻译或随附文章(An，The，无所谓).原因是在我的系统中：

1) 'The spectacle' requires a separate translation on a specific cases.
2) 'Spectacle' also needs translation on specific cases.
3) IF a tranlsation exist for The spectacle, we will use that, ELSE 
   we will use 

另一个解释这一点的例子是：

 ~The ~spectacle~~ was ~borken~, but that was not the same ~spectacle~ 
  that was given to ~me~.

在上面的例子中，我将翻译如下：

 1) 'The spectacle' (because the translation case exists for 'The spectacle', otherwise I would've only translated spectacle on it's own)
 2) 'broken'
 3) 'spectacle'
 4) me

我在组合一个表达式时遇到了问题，该表达式将确保在我的正则表达式中捕获到这个表达式。到目前为止，我设法与之合作的是‘~+？~’。但我知道，通过某种形式的向前看或放眼看，我可以做到这一点。有人能帮我吗？

这其中最重要的方面是防回归，这将确保现有的东西不会损坏。如果我能把它做好，我就把它发出去。

注:如果有帮助的话，目前我只会有一个嵌套级别需要分解的实例。所以~奇观~~将是最深的层次(直到我需要更多！)

Answer 1

我以前写过这样的东西，但是我还没有对它进行太多的测试：

(~(?(?=.*?~~.*?~).*?~.*?~.*?~|[^~]+?~))

或

(~(?(?=.*?~[A-Za-z]*?~.*?~).*?~.*?~.*?~|[^~]+?~))

RegEx101

另一种选择

(~(?:.*?~.*?~){0,2}.*?~)
                 ^^ change to max depth

最有效的方法

要添加更多内容，请在两处添加一些额外的.*?~集。

主要问题

如果我们允许无限的嵌套，我们怎么知道它会在哪里结束和开始？笨拙的图表：

~This text could be nested ~ so could this~ and this~ this ~Also this~
|                          |              |_________|      |         |
|                          |_______________________________|         |
|____________________________________________________________________|

或者：

~This text could be nested ~ so could this~ and this~ this ~Also this~
|                          |              |         |      |_________|
|                          |______________|         |
|___________________________________________________|

编译器将不知道选择哪一个。

为你的判决

~The ~spectacle~~ was ~broken~, but that was not the same ~spectacle~ that was given to ~me~.
|    |         ||_____|      |                            |         |
|    |         |_____________|                            |         |
|    |____________________________________________________|         |
|___________________________________________________________________|

或者：

~The ~spectacle~~ was ~broken~, but that was not the same ~spectacle~ that was given to ~me~.
|    |_________||     |______|                            |_________|                   |__|
|_______________|

我该怎么办？

使用交替字符(如@tbraun建议的那样)，以便编译器知道从何处开始和结束：

{This text can be {properly {nested}} without problems} because {the compiler {can {see {the}}} start and end points} easily. Or use a compiler:

注意:我不经常使用Java，所以有些代码可能不正确

import java.util.List;

String[] chars = myString.split('');
int depth = 0;
int lastMath = 0;
List<String> results = new ArrayList<String>();

for (int i = 0; i < chars.length; i += 1) {
    if (chars[i] === '{') {
        depth += 1;
        if (depth === 1) {
            lastIndex = i;
        }
    }
    if (chars[i] === '}') {
        depth -= 1;
        if (depth === 0) {
            results.add(StringUtils.join(Arrays.copyOfRange(chars, lastIndex, i + 1), ''));
        }
        if (depth < 0) {
            // Balancing problem Handle an error
        }
    }
}

这使用StringUtils

Answer 2

您需要一些东西来区分开始/完成模式。即{}

不能使用模式\{[^{]*?\}排除{。

{The {spectacle}} was {broken}

第一次迭代

{spectacle}
{broken}

第二次迭代

{The spectacle}