使用PCRE匹配n> 0的^ nb ^ nc ^ n

Question

如何将n> 0的^ nb ^ nc ^ n与PCRE匹配？

以下情况应符合:

abc
aabbcc
aaabbbccc

以下情况不符合:

abbc
aabbc
aabbbccc

这是我"尝试过"的东西; /^(a(?1)?b)$/gmx但这匹配n> 0的^ nb ^ n:

ab
aabb
aaabbb

Online demo

注意:这个问题是一样的这一个与语言的变化.

Answer 1

Qtax技巧

(强大的自我引用捕获组)

^(?:a(?=a*(\1?+b)b*(\2?+c)))+\1\2$

这个解决方案也被称为"Qtax技巧",因为它使用与Qtax 的ASCII"图像"中"垂直"正则表达式匹配相同的技术.

所讨论的问题归结为需要断言三个组具有相同长度的匹配.作为简化版,要匹配:

xyz

其中x,y并且z实际上只是具有匹配长度n为的变量的子模式a,b和c.对于使用具有自引用捕获组的前瞻的表达式,我们指定的字符将添加到前瞻的每个重复中,这可以有效地用于"计数":

aaabbbccc
 ^  ^  ^

这是通过以下方式实现的:

• (?:a…)+子模式的字符a匹配.有了(?=a*,我们直接跳到"柜台".
• (\1?+b)捕获组(\1)有效地消耗任何先前已经匹配,如果它的存在,并使用所有格匹配它不允许回溯,如果计数器超出同步匹配失败-也就是说,出现了更多的子模式的b比子模式a.在第一次迭代中,这是不存在的,并且没有任何匹配.然后,b匹配子模式的字符.它被添加到捕获组中,有效地"计算" b组中的一个.有了b*,我们直接跳到下一个"柜台".
• (\2?+c)捕获group(\2)有效地消耗以前匹配的任何内容.由于此附加字符捕获的工作方式与上一个组相同,因此允许字符在这些字符组中进行长度同步.假设连续序列a..b..c..:

_{(请原谅我的艺术.)}

第一次迭代:

| The first 'a' is matched by the 'a' in '^(?:a…)'.
| The pointer is stuck after it as we begin the lookahead.
v,- Matcher pointer
aaaa...bbbbbbbb...cccc...
 ^^^   |^^^       ^
skipped| skipped  Matched by c in (\2?+c);
by a*  | by b*         \2 was "nothing",
       |               now it is "c".
       Matched by b
       in (\1?+b).
     \1 was "nothing", now it is "b".

第二次迭代:

 | The second 'a' is matched by the 'a' in '^(?:a…)'.
 | The pointer is stuck after it as we begin the lookahead.
 v,- Matcher pointer
aaaa...bbbbbbbb...cccc...
       /|^^^      |^
eaten by| skipped |Matched by c in (\2?+c);
\1?+    | by b*   |     '\2' was "nothing",
  ^^    |      \2?+     now it is "cc".
 skipped|
 by a*  \ Matched by b
          in (\1?+b).
          '\1' was "nothing", now it is "bb".

如上所讨论的三组"消耗"的每一个中的一个a,b,c分别,他们是在循环式匹配并且由"计数" (?:a…)+,(\1?+b)和(\2?+c)分别的基团.随着更多的锚定和捕捉我们开始,我们可以断言,我们匹配xyz(代表每一组以上),其中x,y和z是,和分别.anbncn

作为奖励,要"计算"更多,可以这样做:

Pattern: ^(?:a(?=a*(\1?+b)b*(\2?+c)))+\1{3}\2$
Matches: abbbc
aabbbbbbcc
aaabbbbbbbbbccc

Pattern: ^(?:a(?=a*(\1?+bbb)b*(\2?+c)))+\1\2$
Matches: abbbc
aabbbbbbcc
aaabbbbbbbbbccc

Answer 2

首先,让我们解释一下你所拥有的模式:

^               # Assert begin of line
    (           # Capturing group 1
        a       # Match a
        (?1)?   # Recurse group 1 optionally
        b       # Match b
    )           # End of group 1
$               # Assert end of line

使用以下修饰符:

g: global, match all
m: multiline, match start and end of line with ^ and $ respectively
x: extended, indentation are ignored with the ability to add comments with #

递归部分是可选的,以便最终退出"无限"递归.

我们可以使用上面的模式来解决问题.我们需要添加一些正则表达式来匹配该c部分.问题是当aabb匹配时aabbcc,它已被消耗,这意味着我们无法追溯.

解决方案？使用前瞻!前瞻是零宽度,这意味着它不会消耗并向前移动.看看这个:

^                    # Assert begin of line
    (?=              # First zero-with lookahead
        (            # Capturing group 1
            a        # Match a
            (?1)?    # Recurse group 1 optionally
            b        # Match b
        )            # End of group 1
        c+           # Match c one or more times
    )                # End of the first lookahead

    (?=              # Second zero-with lookahead
        a+           # Match a one or more times
        (            # Capturing group 2
            b        # Match b
            (?2)?    # Recurse group 2 optionally
            c        # Match c
        )            # End of group 2
    )                # End of the second lookahead
a+b+c+               # Match each of a,b and c one or more times
$                    # Assert end of line

Online demo

基本上我们首先断言有一个^ nb ^ n,然后我们断言b ^ nc ^ n,这将导致^ nb ^ nc ^ n.