這篇文章適合你嗎？

要讀懂這篇文章的精髓，你最好要有一點正則匹配原理的基礎。比如".*?"匹配文字內容"asp163"，稍懂正則表示式的人都知道可以匹配，但是你知道他的匹配過程嗎？如果你不太清楚，那麼下面的內容，對你來說可能不太適合，或許，看的太吃力且無法領悟平衡組的用法。因此，我建議你先了解正則表示式NFA引擎的匹配原理。想要整理一份易懂易描述的話，的確要費些時間，但不知道這篇內容會不會達到我預期的效果。慢慢完善吧~（注：這是我2010年寫的，現在拿過來，有時間將自己做為讀者來看本篇文章，修改有問題的地方，並增加些例項，儘量做到通俗易懂。）

一般正則教程中對平衡組的介紹

如果想要匹配可巢狀的層次性結構的話，就得使用平衡組了。舉個例子吧，如何把“xx <aa <bbb> <bbb> aa> yy

這裡需要用到以下的語法構造：

(?<group>) 把捕獲的內容命名為group,並壓入堆疊
(?<-group>) 從堆疊上彈出最後壓入堆疊的名為group的捕獲內容，如果堆疊本來為空，則本分組的匹配失敗
(?(group)yes|no) 如果堆疊上存在以名為group的捕獲內容的話，繼續匹配yes部分的表示式，否則繼續匹配no部分
(?!) 順序否定環視，由於沒有後綴表示式，試圖匹配總是失敗
如果你不是一個程式設計師（或者你是一個對堆疊的概念不熟的程式設計師），你就這樣理解上面的三種語法吧：第一個就是在黑板上寫一個（或再寫一個）"group"，第二個就是從黑板上擦掉一個"group"，第三個就是看黑板上寫的還有沒有"group"，如果有就繼續匹配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，就在黑板上寫一個"group"，每碰到一個右括號，就擦掉一個，到了最後就看看黑板上還有沒有－如果有那就證明左括號比右括號多，那匹配就應該失敗（為了能看得更清楚一點，我用了(?'group')的語法）： 

<                 #最外層的左括號
  [^<>]*          #最外層的左括號後面的不是括號的內容
  (
    (
      (?'Open'<)  #碰到了左括號，在黑板上寫一個"Open"
      [^<>>]*     #匹配左括號後面的不是括號的內容
    )+
    (
      (?'-Open'>) #碰到了右括號，擦掉一個"Open"
      [^<>]*      #匹配右括號後面不是括號的內容
    )+
  )*
  (?(Open)(?!))   #在遇到最外層的右括號前面，判斷黑板上還有沒有沒擦掉的"Open"；如果有，則匹配失敗
>                 #最外層的右括號
 

我為什麼寫這篇文章

   看了上面的介紹，你明白了嗎？在我未理解正則表示式匹配原理之前，看上面對於平衡組的介紹，似懂非懂，且只能當做模板記住，而不能靈活運用。因此查閱大量有關正則方面的資料，這裡尤其感謝lxcnn的技術文件及《精通正則表示式》這本書，讓我對正則表示式有了更深入、更系統的理解，因此，在它們的基礎之上，我就結合自己的學習經歷做個小結，一來做為學習筆記存檔，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程式碼，先講解一下關於平衡組相關的概念及知識。

下面表示式匹配測試工具為：Expresso，本站也提供它的完美破解版下載。點選下載

平衡組的概念及作用

平衡組，故名思義，平衡即對稱，主要是結合幾種正則語法規則，提供對配對出現的巢狀結構的匹配。平衡組有狹義與廣義兩種定義，狹義平衡組指(?Expression) 語法，而廣義平衡組並不是固定的語法規則，而是幾種語法規則的綜合運用，我們平時所說的平衡組通常指的是廣義平衡組。本文中如無特殊說明，平衡組這種簡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疊來解釋，先舉個例子，再根據例子進行解釋。

源字串：a+(b*(c+d))/e+f-(g/(h-i))*j

正則表示式：\(((?<Open>\()|(?<-Open>\))|[^()])*(?(Open)(?!))\)

需求說明：匹配成對出現的()中的內容

輸出：(b*(c+d)) 和 (g/(h-i))

我將上面正則表示式程式碼分行寫，並加上註釋，這樣看起來有層次，而且方便 

 \(               #普通字元“(”
   (              #分組構造，用來限定量詞“*”修飾範圍
     (?<Open>\()  #命名捕獲組，遇到開括弧“Open”計數加1
     |            #分支結構
     (?<-Open>\)) #狹義平衡組，遇到閉括弧“Open”計數減1
     |            #分支結構
     [^()]+       #非括弧的其它任意字元
   )*             #以上子串出現0次或任意多次
   (?(Open)(?!))  #判斷是否還有“Open”，有則說明不配對，什麼都不匹配
 \)              #普通閉括弧

對於一個巢狀結構而言，開始和結束標記都是確定的，對於本例開始為“(”，結束為“)”，那麼接下來就是考察中間的結構，中間的字元可以劃分為三類，一類是“(”，一類是“)”，其餘的就是除這兩個字元以外的任意字元。

那麼平衡組的匹配原理就是這樣的

1、先找到第一個“(”，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步以後，每匹配到一個“(”，就入棧一個Open捕獲組，計數加1

3、在第1步以後，每匹配到一個“)”，就出棧最近入棧的Open捕獲組，計數減1

也就是講，上面的第一行正則“\(”匹配了：a+(b*(c+d))/e+f-(g/(h-i))*j （紅色顯示部分）
然後，匹配到c前面的“(”，此時，計數加1；繼續匹配，匹配到d後面的“)”，計算減1；——注意嘍：此時堆疊中的計數是0，正則還是會向前繼續匹配的，但是，如果匹配到“)”的話，比如，這個例子中d))（紅色顯示的括號）——引擎此時將控制權交給(?(Open)(?!))，判斷堆疊中是否為0，如果為0，則執行匹配“no”分支，由於這個條件判斷結構中沒有“no”分支，所以什麼都不做，把控制權交給接下來的“\)”
這個正則表示式“\)”可匹配接下來的)，即b))（紅色顯示的括號）

4、後面的 (?(Open)(?!))用來保證堆疊中Open捕獲組計數是否為0，也就是“(”和“)”是配對出現的

5、最後的“)”，作為匹配的結束

匹配過程

首先匹配第一個“(”，然後一直匹配，直到出現以下兩種情況之一時，把控制權交給(?(Open)(?!))：

a)堆疊中Open計數已為0，此時再遇到“)”

b)匹配到字串結束符

這時控制權交給(?(Open)(?!))，判斷Open是否有匹配，由於此時計數為0，沒有匹配，那麼就匹配“no”分支，由於這個條件判斷結構中沒有“no”分支，所以什麼都不做，把控制權交給接下來的“\)”

如果上面遇到的是情況a)，那麼此時“\)”可以匹配接下來的“)”，匹配成功；
如果上面遇到的是情況b)，那麼此時會進行回溯，直到“\)”匹配成功為止，否則報告整個表示式匹配失敗。

由於.NET中的狹義平衡組“(?<Close-Open>Expression)”結構，可以動態的對堆疊中捕獲組進行計數，匹配到一個開始標記，入棧，計數加1，匹配到一個結束標記，出棧，計數減1，最後再判斷堆疊中是否還有Open，有則說明開始和結束標記不配對出現，不匹配，進行回溯或報告匹配失敗；如果沒有，則說明開始和結束標記配對出現，繼續進行後面子表示式的匹配。

需要對“(?!)”進行一下說明，它屬於順序否定環視，完整的語法是“(?!Expression)”。由於這裡的“Expression”不存在，表示這裡不是一個位置，所以試圖嘗試匹配總是失敗的，作用就是在Open不配對出現時，報告匹配失敗。

下面在看個例子： 

<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程式碼.現在我們的問題是要提取出其<td id="td2">的<td>標籤並將其刪除掉，以往我們慣用的方法都是直接去取,像<td\s*id="td2">[\s\S]+?\</td>，不過問題出來了,我們提取到的不是我們想要的內容,而是

<td id="td2">
<table>
<tr>
<td>snhame</td>

原因也很簡單,它和離他最近的</td>標籤匹配上了,不過它不知道這個標籤不是它的-_-，是不是就是?符號的原因呢,我們去掉讓他無限制貪婪,可這下問題更大了,什麼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>

這個結果也不是我們想要的。那麼我就用“平衡組”來解決吧。

<td\s*id="td2"[^>]*>((?<mm><td[^>]*>)+|(?<-mm></td>)|[\s\S])*?(?(mm)(?!))</td>

匹配的結果是

<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>

匹配的結果是

<td id="td2">
<table>
<tr>
<td>snhame</td>
<td>f</td>
</tr>
</table>
</td>
<td></td>

一個問題

以下程式碼只是做為一個問題探討

文字內容：e+f(-(g/(h-i))*j
正則表示式：

\(
  (
    (?<mm>\()
    |
    (?<-mm>\))
    |
    .
  )*?
  (?(mm)(?!))
\)

匹配的結果是：(-(g/(h-i))