Corak rekursi di PCRE untuk menghuraikan struktur bersarang

Corak rekursif PCRE membolehkan struktur bersarang yang sepadan seperti kurungan atau kurungan menggunakan (? R) atau rujukan yang dinamakan seperti (? & Name), yang membolehkan enjin regex mengendalikan pembinaan seimbang dengan menggunakan corak rekursif; Sebagai contoh, ^$$ ([ ^()] | (? 1)) $$ mencocokkan tanda kurung seimbang sepenuhnya dengan selalunya memadankan bukan parentheses atau rekursif memohon kumpulan melalui (? 1); Begitu juga, menggunakan kumpulan yang dinamakan seperti (? 1 | $$ (& amp; kandungan) $$) meningkatkan kejelasan; Kaedah ini berfungsi dalam enjin patuh PCRE seperti PHP atau Perl tetapi tidak dalam JavaScript atau Python's Re; Penggunaan praktikal termasuk mengekstrak blok bersarang seperti {a {b} c} dengan {(?: 2 | {(? r)})*}; Walau bagaimanapun, batasan termasuk risiko limpahan stack pada bersarang yang mendalam, isu prestasi, dan kekurangan sokongan dalam banyak enjin regex, menjadikannya hanya sesuai untuk bersarang sederhana dan jelas di mana parser penuh tidak perlu.

Struktur bersarang parsing seperti tanda kurung bersarang, kurungan dalam data seperti JSON, atau tag HTML yang seimbang-adalah cabaran biasa ketika bekerja dengan ekspresi biasa. Walaupun enjin regex tradisional tidak menyokong rekursi yang benar (kerana bahasa biasa tidak dapat mengendalikan struktur bersarang sewenang -wenangnya), PCRE (ekspresi biasa yang serasi PerL) termasuk ciri yang kuat: corak rekursif , yang membolehkan yang sesuai dengan seimbang, bersarang yang melampaui apa yang boleh dilakukan oleh regex asas.

Keupayaan ini menjadikan PCRE salah satu daripada beberapa enjin regex (bersama -sama Perl dan beberapa yang lain) yang boleh mengendalikan tugas -tugas tersebut tanpa menggunakan logik parsing luaran.

Apakah corak rekursif?

Di PCRE, rekursi dicapai menggunakan sintaks khas (?R) atau (?n) , di mana:

• (?R) merujuk kepada panggilan rekursif keseluruhan corak.
• (?n) merujuk kepada panggilan rekursif kumpulan penangkapan n -th.
• Anda juga boleh menggunakan rujukan yang dinamakan seperti (?&name) untuk kebolehbacaan yang lebih baik.

Ini membolehkan enjin Regex untuk "memanggil sendiri" semasa padanan, membolehkannya turun ke tahap bersarang struktur dan kembali hanya apabila seimbang.

Memadankan tanda kurung bersarang

Contoh klasik adalah sepadan dengan kurungan seimbang. Katakan anda ingin memadankan rentetan seperti (a(b(c)d)e) tetapi menolak yang tidak seimbang seperti ((a) .

Inilah regex pcre yang melakukan ini:

 ^
  \ ( # Perlawanan pembukaan kurungan
  ( # Mulakan kumpulan untuk rekursi
    [^()]* # Sepadan dengan mana-mana bukan parenthes
    | # Atau ...
    (? 1) # rekursif sepadan dengan kumpulan yang sama (parens bersarang seimbang)
  )* # Ulangi seperti yang diperlukan
  \) # Perlawanan Pandang Pandangan
$

Mari Pecahkannya:

• ^ dan $ menambat perlawanan ke seluruh rentetan.
• Luar \( dan \) sepadan dengan kurungan harfiah.
• (?1) Adakah rujukan rekursif kepada kumpulan menangkap pertama (dan hanya). Ini adalah kunci -ia membolehkan corak untuk memadankan kurungan bersarang dari mana -mana kedalaman.
• Kumpulan bergantian antara pemadanan bukan parentheses ( [^()]* ) dan rekursif yang sepadan dengan lebih banyak tanda kurung.

Corak ini akan sepadan:

• (a)
• (a(b))
• (a(b(c)d)e)

Tetapi tidak akan sepadan:

• (a
• ((a)
• ())

Menggunakan subpattern yang dinamakan untuk kejelasan

Untuk corak yang lebih kompleks, menggunakan kumpulan yang dinamakan meningkatkan kebolehbacaan. Inilah contoh yang sama dengan kumpulan bernama:

 ^
  \ ( 
  (? <content>
    [^()]*
    |
    \ ((? & kandungan) \)
  )*
  \)
$

• (?<content>...) mentakrifkan subpattern bernama.
• (?&content) memanggilnya secara rekursif.

Ini berkelakuan sama seperti versi bernombor tetapi lebih mudah untuk dikekalkan.

Batasan dan pertimbangan praktikal

Walaupun kekuatannya, PCRE rekursif mempunyai kaveat:

• Tidak benar-benar parsing bebas konteks : Walaupun rekursi membantu, PCRE regexes masih tidak mempunyai parser penuh. Mereka tidak dapat mengendalikan semua tatabahasa bebas konteks dengan pasti, terutamanya dengan penggantian kompleks atau keadaan sampingan.
• Had Stack : Bersarang dalam boleh menyebabkan limpahan timbunan. PCRE menggunakan had rekursi (ditetapkan pada masa penyusunan atau melalui pcre_stack_guard ), jadi struktur yang sangat mendalam mungkin gagal.
• Prestasi : Corak rekursif boleh perlahan pada input panjang atau sangat bersarang. Mereka lebih baik digunakan apabila kedalaman bersarang sederhana.
• Tidak disokong dalam semua enjin : JavaScript, Python's re , dan banyak enjin Regex lain tidak menyokong rekursi. Gunakan hanya apabila anda mengawal persekitaran (contohnya, PHP dengan PCRE, Perl).

Kes penggunaan praktikal: Mengekstrak kurungan bersarang

Katakan anda ingin mengekstrak kandungan pendakap keriting seimbang paling luar dalam rentetan seperti {a{b}c} .

 \ {
  (?: 
    [^{}]  
    | 
    \ {(? R) \} 
  )* 
\}

Dalam PHP, anda mungkin menggunakan:

 $ corak = '/\ {(?: [^{}] | \ {(? r) \})*\}/';
preg_match (corak $, '{a {b} c}', $ padanan);
Echo $ Matches [0]; // output {a {b} c}

Ini mendapati blok seimbang penuh, yang kemudiannya dapat diproses.

Nota akhir

Corak rekursif di PCRE adalah alat yang berkuasa untuk mengendalikan struktur bersarang yang sederhana dan similar apabila parser penuh berlebihan. Mereka sesuai untuk:

• Mengekstrak ekspresi bersarang dalam bahasa khusus domain.
• Mengesahkan atau memadankan pembatas seimbang.
• Pemprosesan teks cepat dalam skrip di mana prestasi dan kedalaman boleh diurus.

Tetapi ingat: jika data anda sangat bersarang, samar -samar, atau sebahagian daripada tatabahasa yang kompleks (seperti HTML atau JSON penuh), gunakan parser yang betul. Regex, walaupun dengan rekursi, bukan pengganti parser.

Bagi yang jelas, bersarang cetek, walaupun, Pcre's (?R) dan (?&name) membuka penyelesaian elegan yang merasa hampir seperti menulis peraturan tatabahasa.

Pada asasnya, ia adalah alat yang tajam -gunakan dengan bijak.

Atas ialah kandungan terperinci Corak rekursi di PCRE untuk menghuraikan struktur bersarang. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!