這篇文章適合你嗎？
要讀懂這篇文章的精髓，你最好要有一點(diǎn)正則匹配原理的基礎(chǔ)。比如".*?"匹配文本內(nèi)容"asp163"，稍懂正則表達(dá)式的人都知道可以匹配，但是你知道他的匹配過(guò)程嗎？如果你不太清楚，那么下面的內(nèi)容，對(duì)你來(lái)說(shuō)可能不太適合，或許，看的太吃力且無(wú)法領(lǐng)悟平衡組的用法。因此，我建議你先了解正則表達(dá)式NFA引擎的匹配原理。想要整理一份易懂易描述的話，的確要費(fèi)些時(shí)間，但不知道這篇內(nèi)容會(huì)不會(huì)達(dá)到我預(yù)期的效果。慢慢完善吧~（注：這是我2010年寫的，現(xiàn)在拿過(guò)來(lái)，有時(shí)間將自己做為讀者來(lái)看本篇文章，修改有問(wèn)題的地方，并增加些實(shí)例，盡量做到通俗易懂。）
一般正則教程中對(duì)平衡組的介紹
如果想要匹配可嵌套的層次性結(jié)構(gòu)的話，就得使用平衡組了。舉個(gè)例子吧，如何把“xx aa bbb> bbb> aa> yy”這樣的字符串里，最長(zhǎng)的尖括號(hào)內(nèi)的內(nèi)容捕獲出來(lái)？
這里需要用到以下的語(yǔ)法構(gòu)造：
(?group>) 把捕獲的內(nèi)容命名為group,并壓入堆棧
(?-group>) 從堆棧上彈出最后壓入堆棧的名為group的捕獲內(nèi)容，如果堆棧本來(lái)為空，則本分組的匹配失敗
(?(group)yes|no) 如果堆棧上存在以名為group的捕獲內(nèi)容的話，繼續(xù)匹配yes部分的表達(dá)式，否則繼續(xù)匹配no部分
(?!) 順序否定環(huán)視，由于沒(méi)有后綴表達(dá)式，試圖匹配總是失敗
如果你不是一個(gè)程序員（或者你是一個(gè)對(duì)堆棧的概念不熟的程序員），你就這樣理解上面的三種語(yǔ)法吧：第一個(gè)就是在黑板上寫一個(gè)（或再寫一個(gè)）"group"，第二個(gè)就是從黑板上擦掉一個(gè)"group"，第三個(gè)就是看黑板上寫的還有沒(méi)有"group"，如果有就繼續(xù)匹配yes部分，否則就匹配no部分。
我們需要做的是每碰到了左括號(hào)，就在黑板上寫一個(gè)"group"，每碰到一個(gè)右括號(hào)，就擦掉一個(gè)，到了最后就看看黑板上還有沒(méi)有－如果有那就證明左括號(hào)比右括號(hào)多，那匹配就應(yīng)該失?。榱四芸吹酶宄稽c(diǎn)，我用了(?'group')的語(yǔ)法）：
#最外層的左括號(hào)
[^>]* #最外層的左括號(hào)后面的不是括號(hào)的內(nèi)容
(
(
(?'Open') #碰到了左括號(hào)，在黑板上寫一個(gè)"Open"
[^>>]* #匹配左括號(hào)后面的不是括號(hào)的內(nèi)容
)+
(
(?'-Open'>) #碰到了右括號(hào)，擦掉一個(gè)"Open"
[^>]* #匹配右括號(hào)后面不是括號(hào)的內(nèi)容
)+
)*
(?(Open)(?!)) #在遇到最外層的右括號(hào)前面，判斷黑板上還有沒(méi)有沒(méi)擦掉的"Open"；如果有，則匹配失敗
> #最外層的右括號(hào)
我為什么寫這篇文章
看了上面的介紹，你明白了嗎？在我未理解正則表達(dá)式匹配原理之前，看上面對(duì)于平衡組的介紹，似懂非懂，且只能當(dāng)做模板記住，而不能靈活運(yùn)用。因此查閱大量有關(guān)正則方面的資料，這里尤其感謝lxcnn的技術(shù)文檔及《精通正則表達(dá)式》這本書，讓我對(duì)正則表達(dá)式有了更深入、更系統(tǒng)的理解，因此，在它們的基礎(chǔ)之上，我就結(jié)合自己的學(xué)習(xí)經(jīng)歷做個(gè)小結(jié)，一來(lái)做為學(xué)習(xí)筆記存檔，另外，如果能解決你的疑惑，也是件讓人高興的事。
我先暫不分析上面的代碼，先講解一下關(guān)于平衡組相關(guān)的概念及知識(shí)。
下面表達(dá)式匹配測(cè)試工具為：Expresso，本站也提供它的完美破解版下載。
平衡組的概念及作用
平衡組，故名思義，平衡即對(duì)稱，主要是結(jié)合幾種正則語(yǔ)法規(guī)則，提供對(duì)配對(duì)出現(xiàn)的嵌套結(jié)構(gòu)的匹配。平衡組有狹義與廣義兩種定義，狹義平衡組指(?Expression) 語(yǔ)法，而廣義平衡組并不是固定的語(yǔ)法規(guī)則，而是幾種語(yǔ)法規(guī)則的綜合運(yùn)用，我們平時(shí)所說(shuō)的平衡組通常指的是廣義平衡組。本文中如無(wú)特殊說(shuō)明，平衡組這種簡(jiǎn)寫指的是廣義平衡組。
平衡組的匹配原理
平衡組的匹配原理可以用堆棧來(lái)解釋，先舉個(gè)例子，再根據(jù)例子進(jìn)行解釋。
源字符串：a+(b*(c+d))/e+f-(g/(h-i))*j
正則表達(dá)式：((?Open>\()|(?−Open>)|[^()])*(?(Open)(?!))\)
需求說(shuō)明：匹配成對(duì)出現(xiàn)的()中的內(nèi)容
輸出：(b*(c+d)) 和 (g/(h-i))
我將上面正則表達(dá)式代碼分行寫，并加上注釋，這樣看起來(lái)有層次，而且方便
\( #普通字符“(”
( #分組構(gòu)造，用來(lái)限定量詞“*”修飾范圍
(?Open>\() #命名捕獲組，遇到開括弧“Open”計(jì)數(shù)加1
| #分支結(jié)構(gòu)
(?-Open>\)) #狹義平衡組，遇到閉括弧“Open”計(jì)數(shù)減1
| #分支結(jié)構(gòu)
[^()]+ #非括弧的其它任意字符
)* #以上子串出現(xiàn)0次或任意多次
(?(Open)(?!)) #判斷是否還有“Open”，有則說(shuō)明不配對(duì)，什么都不匹配
\) #普通閉括弧
對(duì)于一個(gè)嵌套結(jié)構(gòu)而言，開始和結(jié)束標(biāo)記都是確定的，對(duì)于本例開始為“(”，結(jié)束為“)”，那么接下來(lái)就是考察中間的結(jié)構(gòu)，中間的字符可以劃分為三類，一類是“(”，一類是“)”，其余的就是除這兩個(gè)字符以外的任意字符。
那么平衡組的匹配原理就是這樣的
1、先找到第一個(gè)“(”，作為匹配的開始。即上面的第1行，匹配了：a+(b*(c+d))/e+f-(g/(h-i))*j （紅色顯示部分）
2、在第1步以后，每匹配到一個(gè)“(”，就入棧一個(gè)Open捕獲組，計(jì)數(shù)加1
3、在第1步以后，每匹配到一個(gè)“)”，就出棧最近入棧的Open捕獲組，計(jì)數(shù)減1
也就是講，上面的第一行正則“\(”匹配了：a+(b*(c+d))/e+f-(g/(h-i))*j （紅色顯示部分）
然后，匹配到c前面的“(”，此時(shí)，計(jì)數(shù)加1；繼續(xù)匹配，匹配到d后面的“)”，計(jì)算減1；——注意嘍：此時(shí)堆棧中的計(jì)數(shù)是0，正則還是會(huì)向前繼續(xù)匹配的，但是，如果匹配到“)”的話，比如，這個(gè)例子中d))（紅色顯示的括號(hào)）——引擎此時(shí)將控制權(quán)交給(?(Open)(?!))，判斷堆棧中是否為0，如果為0，則執(zhí)行匹配“no”分支，由于這個(gè)條件判斷結(jié)構(gòu)中沒(méi)有“no”分支，所以什么都不做，把控制權(quán)交給接下來(lái)的“\)”
這個(gè)正則表達(dá)式“\)”可匹配接下來(lái)的)，即b))（紅色顯示的括號(hào)）
4、后面的 (?(Open)(?!))用來(lái)保證堆棧中Open捕獲組計(jì)數(shù)是否為0，也就是“(”和“)”是配對(duì)出現(xiàn)的
5、最后的“)”，作為匹配的結(jié)束
匹配過(guò)程
首先匹配第一個(gè)“(”，然后一直匹配，直到出現(xiàn)以下兩種情況之一時(shí)，把控制權(quán)交給(?(Open)(?!))：
a)堆棧中Open計(jì)數(shù)已為0，此時(shí)再遇到“)”
b)匹配到字符串結(jié)束符
這時(shí)控制權(quán)交給(?(Open)(?!))，判斷Open是否有匹配，由于此時(shí)計(jì)數(shù)為0，沒(méi)有匹配，那么就匹配“no”分支，由于這個(gè)條件判斷結(jié)構(gòu)中沒(méi)有“no”分支，所以什么都不做，把控制權(quán)交給接下來(lái)的“\)”
如果上面遇到的是情況a)，那么此時(shí)“\)”可以匹配接下來(lái)的“)”，匹配成功；
如果上面遇到的是情況b)，那么此時(shí)會(huì)進(jìn)行回溯，直到“\)”匹配成功為止，否則報(bào)告整個(gè)表達(dá)式匹配失敗。
由于.NET中的狹義平衡組“(?Close-Open>Expression)”結(jié)構(gòu)，可以動(dòng)態(tài)的對(duì)堆棧中捕獲組進(jìn)行計(jì)數(shù)，匹配到一個(gè)開始標(biāo)記，入棧，計(jì)數(shù)加1，匹配到一個(gè)結(jié)束標(biāo)記，出棧，計(jì)數(shù)減1，最后再判斷堆棧中是否還有Open，有則說(shuō)明開始和結(jié)束標(biāo)記不配對(duì)出現(xiàn)，不匹配，進(jìn)行回溯或報(bào)告匹配失敗；如果沒(méi)有，則說(shuō)明開始和結(jié)束標(biāo)記配對(duì)出現(xiàn)，繼續(xù)進(jìn)行后面子表達(dá)式的匹配。
需要對(duì)“(?!)”進(jìn)行一下說(shuō)明，它屬于順序否定環(huán)視，完整的語(yǔ)法是“(?!Expression)”。由于這里的“Expression”不存在，表示這里不是一個(gè)位置，所以試圖嘗試匹配總是失敗的，作用就是在Open不配對(duì)出現(xiàn)時(shí)，報(bào)告匹配失敗。
下面在看個(gè)例子：
table>
tr>
td id="td1"> /td>
td id="td2">
table>
tr>
td>snhame/td>
td>f/td>
/tr>
/table>
/td>
td>/td>
/tr> /table>
以上為部分的HTML代碼.現(xiàn)在我們的問(wèn)題是要提取出其td id="td2">的td>標(biāo)簽并將其刪除掉，以往我們慣用的方法都是直接去取,像td\s*id="td2">[\s\S]+?\/td>，不過(guò)問(wèn)題出來(lái)了,我們提取到的不是我們想要的內(nèi)容,而是
td id="td2">
table>
tr>
td>snhame/td>
原因也很簡(jiǎn)單,它和離他最近的/td>標(biāo)簽匹配上了,不過(guò)它不知道這個(gè)標(biāo)簽不是它的-_-，是不是就是?符號(hào)的原因呢,我們?nèi)サ糇屗麩o(wú)限制貪婪,可這下問(wèn)題更大了,什么亂七八糟的東東它都匹配到了
td id="td2">
table>
tr>
td>snhame/td>
td>f/td>
/tr>
/td>
td>/td>
這個(gè)結(jié)果也不是我們想要的。那么我就用“平衡組”來(lái)解決吧。
td\s*id="td2"[^>]*>((?mm>td[^>]*>)+|(?-mm>/td>)|[\s\S])*?(?(mm)(?!))/td>
匹配的結(jié)果是
td id="td2">
table>
tr>
td>snhame/td>
td>f/td>
/tr>
/table>
/td>
td>/td>
這正是我們想要的
注意，我開始寫成這樣的方式
td\s*id="td2"[^>]*>((?mm>td[^>]*>)+|(?-mm>/td>)|[\s\S])*(?(mm)(?!))/td>
匹配的結(jié)果是
td id="td2">
table>
tr>
td>snhame/td>
td>f/td>
/tr>
/table>
/td>
td>/td>
一個(gè)問(wèn)題
以下代碼只是做為一個(gè)問(wèn)題探討
文本內(nèi)容：e+f(-(g/(h-i))*j
正則表達(dá)式：
\(
(
(?mm>\()
|
(?-mm>\))
|
.
)*?
(?(mm)(?!))
\)
匹配的結(jié)果是：(-(g/(h-i))
