使用平衡组的正则表达式

我有一个基本的文本模板引擎，它使用如下语法：

foo bar
%IF MY_VAR
  some text
  %IF OTHER_VAR
    some other text
  %ENDIF
%ENDIF
bar foo

我对用于解析它的正则表达式有一个问题，它没有考虑嵌套的 IF/ENDIF 块。

我当前使用的正则表达式是：%IF (?<Name>[\w_]+)(?<Contents>.*?)%ENDIF

我一直在阅读有关平衡捕获组（.NET 正则表达式库的一项功能）的内容，因为我知道这是在 .NET 中支持“递归”正则表达式的推荐方法。

我一直在研究平衡组，到目前为止已经得出以下结论：

(
 (
  (?'Open'%IF\s(?<Name>[\w_]+))
  (?<Contents>.*?)
 )+
 (
  (?'Close-Open'%ENDIF)(?<Remainder>.*?)
 )+
)*
(?(Open)(?!))

但这并不完全符合我的预期。例如，它捕获了很多空组。帮助？

要使用平衡 IF 语句捕获整个 IF/ENDIF 块，可以使用以下正则表达式：

%IF\s+(?<Name>\w+)
(?<Contents>
    (?> #Possessive group, so . will not match IF/ENDIF
        \s|
        (?<IF>%IF)|     #for IF, push
        (?<-IF>%ENDIF)| #for ENDIF, pop
        . # or, anything else, but don't allow
    )+
    (?(IF)(?!)) #fail on extra open IFs
)   #/Contents
%ENDIF

这里的重点是：你cannot捕获在单个Match每个命名组中都不止一个。你只会得到一个(?<Name>\w+)例如，最后捕获的值的组。在我的正则表达式中，我保留了Name and Contents简单的正则表达式组，并限制了内部的平衡Contents组 - 正则表达式仍然包含在IF and ENDIF.

当您的数据更加复杂时，它会变得有趣。例如：

%IF MY_VAR             
  some text
  %IF OTHER_VAR
    some other text
  %ENDIF
  %IF OTHER_VAR2
    some other text 2
  %ENDIF
%ENDIF                 
%IF OTHER_VAR3         
    some other text 3
%ENDIF                 

在这里，您将获得两场比赛，一场是MY_VAR，还有一个用于OTHER_VAR3。如果你想捕获两个 ifMY_VAR的内容，您必须在其上重新运行正则表达式Contents组（如果必须的话，您可以通过使用前瞻来绕过它 - 将整个正则表达式包装在(?=...)，但您需要使用位置和长度以某种方式将其放入逻辑结构中）。

现在，我不会解释太多，因为看起来你已经了解了基础知识，但关于内容组的简短说明 - 我使用了所有格组来避免回溯。否则，该点最终可能会匹配整个IF并打破平衡。组中的惰性匹配的行为类似（( )+?代替(?> )+).