与嵌套模式匹配的RegEx (可能的递归)

Question

我正在尝试匹配一个可能嵌套的模式。

下面是一些示例数据，我想在其中提取{{ loop ... }元素中的内容：

<ul>
    {{ loop #users as #u }}
        <li>{{ #u.first_name }} {{ #u.last_name }}</li>
    {{ endloop }}
</ul>

我用这个RegEx正确地理解了它：

/{{\s+loop\s+#([a-zA-Z_][a-zA-Z0-9_]*)((?:\.[a-zA-Z0-9_]+)*)\s+as\s+#([a-zA-Z_][a-zA-Z0-9_]*)\s+}}(.*){{\s+endloop\s+}}/sU

解释：

• /
• 开环元素{{启动
  • \s+loop\s+ 循环关键字
  • #([a-zA-Z_][a-zA-Z0-9_]*)变量名(例如：#var)
  • ((?:\.[a-zA-Z0-9_]+)*)可选变量键(例如：#var__.key)
  • \s+as\s+ as关键字
  • #([a-zA-Z_][a-zA-Z0-9_]*)\s+别名变量名(ex：#alias)

​

• 开环元件的}}端
• (.*)循环内容
• {{\s+endloop\s+}}闭环元件
• /sU

失败的地方

使用嵌套循环，我需要获得第一级循环的内容(因为内容随后在我的项目中被递归地解析)。以下是一些示例数据：

 1| <ul>
 2|     {{ loop #users as #u }}
 3|         <li>
 4|             {{ #u.first_name }} {{ #u.last_name }}
 5|             <ul>
 6|                 {{ loop #u.friends as #f }}
 7|                     <li>{{ #f.first_name }} {{ #f.last_name }}</li>
 8|                 {{ endloop }}
 9|             </ul>
10|         </li>
11|     {{ endloop }}
12| </ul>
13| 
14| {{ loop #foo as #bar }}
15|     <a href="#">{{ #bar }}</a>
16| {{ endloop }}

使用此内容，模式将在遇到的第一个{{ endloop }} (2-8行)停止。

如果删除U标志(不贪婪)，就不能使用多个循环，因为即使它们是不同的循环(2-16行)，它也会停止到最后一个循环。

我有一个使用/m标志(multiline)的以前版本的模式，但是它也失败了，因为它只匹配最深级别的循环(行6-8)。

我做了很多次尝试(大部分是在regexr.com上做的)，但没有看到任何进展。我寻找一个关于“递归模式”的解决方案，我找到的最好的解决方案是这个问题，但经过多次尝试，我无法使它适应我的项目。

• 是否有标志/标志组合来优先处理这种模式？
• 我读过一些关于在RegEx中使用(?R)的递归，但是没有成功地使用它，这对我的情况有帮助吗？
• 最明显的最后一个问题是:如何才能匹配第一级循环的全部内容？

我不仅仅是在寻找解决方案，我真的很想了解我如何解决这个问题。链接到当前RegexR：https://regexr.com/426fd

Answer 1

下面是您当前模式的快速修复：

{{\s+loop\s+#([a-zA-Z_]\w*)((?:\.\w+)*)\s+as\s+#([a-zA-Z_]\w*)\s*}}((?:(?!{{\s+(?:end)?loop\s).|(?R))*){{\s+endloop\s+}}

注意，此模式不需要U修饰符来按预期运行，但仍然需要.的s修饰符来匹配任何字符。

见regex演示

主要的区别在于用.*代替(?:(?!{{\s+(?:end)?loop\s).|(?R))*。它匹配0次或多次重复：

• (?!{{\s+(?:end)?loop\s). -没有启动符合以下模式的序列的任何字符(.)：
  • {{ -一个{{子字符串
  • \s+ - 1+白空间
  • (?:end)? -一个可选的end子字符串
  • loop -一个loop子字符串
  • \s -一个空白

​

• | -或
• (?R) -整个正则表达式

此外，如果不使用[a-zA-Z0-9_]修饰符或(*UCP) PCRE动词，则\w等于u，因此整个模式可以缩短一点。

Answer 2

下面是针对您的问题的性能修正(它需要几百个步骤而不是邪恶的上千个回溯步骤)：

{{\s+loop\s+#(\w+)[^#]*#(\w+)\s*}}(?:[^{]*+|(?R)|{+)*{{\s+endloop\s+}}

请参阅现场演示

RegExp细分：

• {{\s+loop\s+#(\w+)[^#]*#(\w+)\s*}}匹配起始循环结构并捕获散列单词
• (?:非捕获组的启动
  • [^{]*+除了拥有一个{之外，任何东西都匹配
  • |或
  • (?R)递归整个模式
  • |或
  • {+匹配任意数量的开口大括号

​

• 尽可能多地匹配)*
• {{\s+endloop\s+}}匹配结束结构