什么是正则表达式平衡组？

Question 1

我只是在阅读一个有关如何在双花括号内获取数据的问题（此问题），然后有人提出了平衡组。我仍然不太清楚它们是什么以及如何使用它们。

我通读了Balancing Group Definition，但是很难理解，而且我对我提到的问题仍然很困惑。

有人可以简单地解释一下平衡组是什么以及它们如何有用吗？

Question 2

据我所知，平衡组是.NET正则表达式风格所独有的。

除了：重复的组

首先，您需要知道。NET（据我所知）是唯一的正则表达式，可让您访问单个捕获组的多个捕获（不在反向引用中，而是在匹配完成之后）。

为了举例说明，请考虑模式

(.)+

和字符串"abcd"。

在所有其他正则表达式中，捕获组1将仅产生一个结果：（d请注意，完全匹配当然会abcd如预期的那样）。这是因为捕获组的每次新使用都会覆盖先前的捕获。

另一方面，.NET会记住它们。它是一堆的。匹配上面的正则表达式之后

Match m = new Regex(@"(.)+").Match("abcd");

你会发现

m.Groups[1].Captures

是，CaptureCollection其元素对应于四个捕获

0: "a"
1: "b"
2: "c"
3: "d"

其中的数字是的索引CaptureCollection。因此，基本上每次再次使用该组时，都会将新的捕获推入堆栈。

如果我们使用命名捕获组，它将变得更加有趣。由于.NET允许重复使用相同的名称，因此我们可以编写如下正则表达式

(?<word>\w+)\W+(?<word>\w+)

将两个单词捕获到同一组中。同样，每次遇到具有特定名称的组时，都会将捕获推送到其堆栈中。因此，将此正则表达式应用于输入"foo bar"和检查

m.Groups["word"].Captures

我们发现两个捕获

0: "foo"
1: "bar"

这使我们甚至可以将表达式的不同部分将内容推入单个堆栈中。但是，这仅仅是.NET的功能，它能够跟踪此列表中列出的多个捕获CaptureCollection。但是我说过，这个集合是一个堆栈。那么我们可以从中弹出东西吗？

输入：平衡组

事实证明我们可以。如果我们使用像这样的组(?<-word>...)，那么word如果子表达式...匹配，则从堆栈中弹出最后一个捕获。因此，如果我们将之前的表达式更改为

(?<word>\w+)\W+(?<-word>\w+)

然后，第二组将弹出第一组的捕获，最后我们将收到一个空白CaptureCollection。当然，这个例子是毫无用处的。

但是，减号语法还有一个细节：如果堆栈已经为空，则组失败（无论其子模式如何）。我们可以利用这种行为来计算嵌套级别-这就是名称平衡组的来源（以及有趣之处）。假设我们要匹配正确括号内的字符串。我们将每个左括号插入堆栈，并为每个右括号弹出一个捕获。如果遇到太多的右括号，它将尝试弹出一个空堆栈并导致模式失败：

^(?:[^()]|(?<Open>[(])|(?<-Open>[)]))*$

因此，我们在重复中有三种选择。第一种选择消耗所有非括号的内容。第二种选择将(s压入堆栈。第三个替代方案)在从堆栈中弹出元素时匹配s（如果可能！）。

_{注意：为澄清起见，我们仅检查没有不匹配的括号！这意味着完全不包含括号的字符串将匹配，因为它们在语法上仍然有效（在某些语法中，您需要括号进行匹配）。如果您要确保至少有一组括号，只需在后面添加一个超前(?=.*[(])行^。}

但是，这种模式并不完美（或完全正确）。

结局：条件模式

还有一个要注意的地方：这不能确保在字符串末尾堆栈为空（因此(foo(bar)将是有效的）。.NET（以及许多其他版本）还有一个可以帮助我们解决问题的结构：条件模式。通用语法是

(?(condition)truePattern|falsePattern)

其中的falsePattern是可选的-如果省略，则错误情况将始终匹配。条件可以是模式，也可以是捕获组的名称。我将在这里集中讨论后一种情况。如果它是捕获组的名称，则truePattern仅当该特定组的捕获堆栈不为空时才使用。也就是说，类似的条件模式(?(name)yes|no)读取为“如果name已匹配并捕获了某些内容（仍在堆栈上，则使用模式，yes否则使用模式no”）。

因此，在上述模式的结尾(?(Open)failPattern)，如果Open-stack不为空，我们可以添加类似内容，从而导致整个模式失败。使模式无条件失败的最简单方法是(?!)（空的负向超前）。因此，我们有最终的模式：

^(?:[^()]|(?<Open>[(])|(?<-Open>[)]))*(?(Open)(?!))$

请注意，这种条件语法本身与平衡组无关，但是有必要利用它们的全部功能。

从这里开始，天空才是极限。可能有许多非常复杂的用途，并且与其他.NET-Regex功能（例如变长后视功能）结合使用时，有些陷阱（我必须自己学习很难的方法）。但是，主要问题始终是：使用这些功能时，代码是否仍可维护？您需要很好地记录它，并确保使用它的每个人也都知道这些功能。否则，您可能会更好，只需手动逐个字符地移动字符串并以整数形式计算嵌套级别。

附录：`(?<A-B>...)`语法是什么？

这部分的功劳归Kobi（有关更多详细信息，请参见下面的答案）。

现在，通过以上所有操作，我们可以验证字符串是否已正确括在括号中。但是，如果我们实际上可以获取（嵌套的）所有这些括号内容的捕获，它将有用得多。当然，我们可以记住在未清空的单独捕获堆栈中打开和关闭括号，然后根据它们在单独步骤中的位置进行一些子字符串提取。

但是.NET在这里提供了另一个便利功能：如果使用(?<A-B>subPattern)，不仅从堆栈B弹出捕获，而且从弹出捕获到B当前组之间的所有内容都被压入堆栈A。因此，如果我们使用这样的组作为右括号，则在从堆栈中弹出嵌套级别时，我们还可以将该对的内容压入另一个堆栈中：

^(?:[^()]|(?<Open>[(])|(?<Content-Open>[)]))*(?(Open)(?!))$

_{Kobi 在回答中提供了此现场演示}

因此，将所有这些东西放在一起，我们可以：

任意记住多次捕获
验证嵌套结构
捕获每个嵌套级别

全部在单个正则表达式中。如果那不令人兴奋...;）

当我第一次了解它们时，发现一些有用的资源：

http://blog.stevenlevithan.com/archives/balancing-groups
MSDN上的平衡组
MSDN上的条件模式
http://kobikobi.wordpress.com/tag/balancing-group/（略有学术意义，但有一些有趣的应用）

Question 3

只是Buettner出色回答的一小部分：

`(?<A-B>)`语法如何处理？

(?<A-B>x)与稍有不同(?<-A>(?<B>x))。它们导致相同的控制流^*，但捕获方式不同。
例如，让我们看一下平衡括号的模式：

(?:[^{}]|(?<B>{)|(?<-B>}))+(?(B)(?!))

在比赛结束时，我们确实有一个平衡的琴弦，但这就是我们所拥有的-我们不知道花括号在哪里，因为B堆栈是空的。引擎为我们所做的辛苦工作已经消失了。
_{（以Regex Storm为例）}

(?<A-B>x)是解决该问题的方法。怎么样？它不会捕获x到$A：它捕获先前捕获到B的当前位置之间的内容。

让我们在模式中使用它：

(?:[^{}]|(?<Open>{)|(?<Content-Open>}))+(?(Open)(?!))

$Content对于沿途的每一对，这将捕获到括号（及其位置）之间的字符串中。
对于字符串{1 2 {3} {4 5 {6}} 7}有好多有四个捕获：3，6，4 5 {6}，和1 2 {3} {4 5 {6}} 7-大大优于没有或} } } }。
_{（示例-单击table选项卡并查看${Content}，捕获）}

实际上，可以完全不平衡地使用它：(?<A>).(.(?<Content-A>).)捕获前两个字符，即使它们被组分开。
（提前查找在这里更常用，但并不总是可以扩展：它可能会重复您的逻辑。）

(?<A-B>)是一项强大的功能-它使您可以精确控制拍摄内容。当您尝试从模式中获得更多收益时，请记住这一点。