求一个递归匹配的正则表达式

[BestAns1]

正则表达式，，，唉，真方便，也真挠头～～

要匹配 <%IF%> ... <%ELSE%> ... <%/IF%> 这种情况。如果第一个 IF 有完整的匹配，则返回完整的匹配字符串；如果 IF 不完整，则返回空。

举例一：
以下内容正确，返回全部：
<%IF 3+2=5%>
<%IF
"hello"="hello"%>
asdf
<%/IF%>
<%ELSE%>
12
34
<%/IF%>

举例二：
以下内容 IF 不完整，返回空：
<%IF 3+3=5%>asfdsf
<%IF true%>fasdf<%/IF%>
<%IF false%>1234<%/IF%>

注：
1. 不用考虑 <% %> 与 IF ELSE /IF 之间是否有空格，当没有处理。
2. IF 后面的条件有可能换行（感觉正则表达式里面处理带换行的任意文本很麻烦啊）
3. 内容有可能多行。

先谢过各位了！

[-过客-]

[Quote=引用 2 楼 wumingcn 的回复:]
to saucer:
书我也翻了很多了，例子也见了不少，就是完全符合我的要求的没见到。
修改例子也做过，但是很奇怪，平时修改都行，放到递归匹配的正则表达式里面就不行了……

不好意思，您的代码执行有错，是正则表达式的错误。
另外，符号 . 并不包括换行符，因此是不合适的。
[/Quote]

每个人的需求都会有差别，当然不可能指望哪一本书能满足所有的需求

saucer的代码执行有错是CSDN的问题，回帖时如果不会插入语法方式就会自动在<前面加个空格，去掉就可以了

//saucer的代码
Regex re = new Regex("<%IF(?>(<%IF(?<DEPTH>)(?<CONTAIN>)|<%/IF(?<-DEPTH>)|.))*(?(DEPTH)(?!))(?(CONTAIN)|(?!))<%/IF%>", RegexOptions.Singleline | RegexOptions.IgnoreCase);

. 确实不包括换行符，而RegexOptions.Singleline这个参数就是为了改变.的含义的，看来楼主对于正则在C#中的应用还不是很熟

我对于楼主的描述还不是太清楚，什么叫“果第一个 IF 有完整的匹配”，主要是什么是“完整的匹配”
<%IF true%>fasdf <%/IF%> 为什么是不完整的，和举例一的区别在哪

是说一定要有IF嵌套，还是一定要有ELSE？
//这个是一定要有ELSE的

            string s = @" 
<%IF 3+2=5%> 
<%IF 
""hello""=""hello""%> 
asdf 
<%/IF%> 
<%ELSE%> 
12 
34 
<%/IF%> 

<%IF 3+3=5%>asfdsf 
<%IF true%>fasdf <%/IF%> 
<%IF false%>1234 <%/IF%> ";
            MatchCollection mc = Regex.Matches(s, @"<%IF(((?<o>)<%IF|(?<-o>)<%/IF|(?<c>)<%ELSE|(?:(?!<%/?IF)[\s\S]))*)(?(o)(?!))(?(c)|(?!))<%/IF%>", RegexOptions.IgnoreCase);
            foreach (Match m in mc)
            {
                richTextBox2.Text += m.Value + "\n";
            }
/*输出
<%IF 3+2=5%> 
<%IF 
"hello"="hello"%> 
asdf 
<%/IF%> 
<%ELSE%> 
12 
34 
<%/IF%>
/*

PS:好久没见saucer了，估计现在在睡觉^o^

[Larry316]

.....学习

[zlb789]

学习下

[兔子-顾问]

mark

[BestAns1]

不好意思，前两天放假，现在才看到帖子。
先谢谢lxcnn。

完整的 IF 表示：
有 IF 就一定要有 /IF，但是可以没有 ELSE。
例一，有嵌套的 IF，但是每个 IF 都有对应的 /IF，所以是完整的。
例二，第一个 IF 没有找到对应的 /IF，所以不是完整的。

“第一个”IF 有完整匹配，主要对应“例二”来说，就是，第二、三个 IF 是完整的，但是第一个 IF 不完整，因此就认为 IF 不完整。是否完整取决于第一个 IF。也许后面有不完整的 IF，但是这里只考虑第一个 IF。

我先按照 lxcnn 的指导重新测试 saucer 的代码，再次谢过！

[BestAns1]

to saucer:
不好意思，上贴是我白痴没看懂。。。

重新测试了您的代码，问题如下：
1. 您忽略了最简单的情况，<%IF test%>test<%/IF%> 会认为不完整。
2. 将例一的第一个 <%IF 后面的 %> 删掉，同样会认为是完整的。而事实上，已经不完整了。

[-过客-]

[Quote=引用 8 楼 wumingcn 的回复:]
“第一个”IF 有完整匹配，主要对应“例二”来说，就是，第二、三个 IF 是完整的，但是第一个 IF 不完整，因此就认为 IF 不完整。是否完整取决于第一个 IF。也许后面有不完整的 IF，但是这里只考虑第一个 IF。 [/Quote]

其实不存在第几个不完整的问题，我们来分析一下：
1、有没有ELSE不影响结果，所以ELSE的情况完全可以忽略
2、假设是第二个IF不完整，那最终的字符串可以简化为这种形式：IF...IF.../IF，这样看来，我们还是可以认为是第一个IF不完整，所以只要有一个IF不完整，那么就可以认为是第一个IF不完整

忘了问楼主的目的了，是验证格式，还是从字符串中提取，按楼主提供的信息看，应该是验证格式

            string[] str = new string[]{@" 
<%IF 3+2=5%> 
<%IF 
""hello""=""hello""%> 
asdf 
<%/IF%> 
<%ELSE%> 
12 
34 
<%/IF%>",@"<%IF 3+3=5%>asfdsf 
<%IF true%>fasdf <%/IF%> 
<%IF false%>1234 <%/IF%>", "<%IF test%>test <%/IF%>"};
            foreach (string s in str)
            {
                Match m = Regex.Match(s, @"(?<=^\s*)<%IF[^%]*%>(((?<o>)<%IF[^%]*%>|(?<-o>)<%/IF%>|(?:(?!<%/?IF[^%]*%>)[\s\S]))*)(?(o)(?!))<%/IF%>(?=\s*$)", RegexOptions.IgnoreCase);
                if (m.Success)
                {
                    richTextBox2.Text += "符合条件，其内容为：\n";
                    richTextBox2.Text += m.Value + "\n\n";
                }
                else
                    richTextBox2.Text += "不符合条件\n\n";
            }

如果是进行提取，因为中间可能存在不完整的IF对，所以正则很难胜任这个任务，可以考虑下有限状态机

[-过客-]

该用什么方式，我的理解是需要综合考虑：
有哪几种可以实现的方式
各种实现方式对效率或结果的影响如何
哪种是自己已经掌握的或是容易掌握的

根据楼主的需求，大致写个了

                        string test = @" 
<%IF 3+2=5%> 
<%IF 
""hello""=""hello""%> 
asdf 
<%/IF%> 
<%ELSE%> 
12 
34 
<%/IF%> 

abcde

<%IF test%>one test <%/IF%>

fghij

<%IF 3+3=5%>asfdsf 
<%IF true%>fasdf <%/IF%> 
<%IF false%>1234 <%/IF%> 

klmno

<%IF test%>another test <%/IF%> ";

            Regex reg = new Regex(@"^(?:(?!<%/?IF[^%]*%>)[\s\S])*(<%IF[^%]*%>(((?<o>)<%IF[^%]*%>|(?<-o>)<%/IF%>|(?:(?!<%/?IF[^%]*%>)[\s\S]))*)(?(o)(?!))<%/IF%>)", RegexOptions.IgnoreCase);
            while (reg.IsMatch(test))
            {
                richTextBox2.Text += "此处格式正确，IF结构的内容为：\n" + reg.Match(test).Groups[1].Value + "\n\n";
                test = reg.Replace(test, "");
            }
            if (!Regex.IsMatch(test, @"<%/?IF[^%]*%>", RegexOptions.IgnoreCase))
            {
                richTextBox2.Text += "没有错误！";
            }
            else
            {
                richTextBox2.Text += "有错误，含有错误的文本为：\n" + test.Trim();
            }

不好意思，目前只能晚上上网，解答问题的时效性太差。。。

[zlb789]

学习

[BestAns1]

[Quote=引用 10 楼 lxcnn 的回复:]
其实不存在第几个不完整的问题，我们来分析一下：
其实不存在第几个不完整的问题，我们来分析一下：
1、有没有ELSE不影响结果，所以ELSE的情况完全可以忽略
2、假设是第二个IF不完整，那最终的字符串可以简化为这种形式：IF...IF.../IF，这样看来，我们还是可以认为是第一个IF不完整，所以只要有一个IF不完整，那么就可以认为是第一个IF不完整

忘了问楼主的目的了，是验证格式，还是从字符串中提取，按楼主提供的信息看，应该是验证格式[/Quote]

您忽略了一种情况，那就是第二个 IF 不完整，但是不影响第一个 IF 的完整性的情况，格式如下：
IF ... /IF ... IF ...

我的目的是提取+验证，就是解析一篇自定义的文档，因为需要定位出错误的大概位置，所以需要先提取第一个，然后在剩余字符串中提取第二个，依次类推，从而处理完整篇文档。

所以，对于 IF ... /IF ... IF ... 这样的格式，我想先提取出第一个 IF ... /IF ，然后继续提取字符串，这样就能知道哪个 IF 是错误的了。

您的正则表达式我测试了一下，对于 IF ... /IF ... IF 这种情况会认为匹配失败，应该能提取出前面的 IF ... /IF 部分才对。

-----

有限状态机需要写一堆代码，虽然不复杂，但是很麻烦。可能效率要高些，不知道我的理解是不是有什么偏差？我做的东西类似于编译器或解析器，就是根据自己的规则处理一篇文档，不知道该用什么方式最合适？

再次谢过！

[BestAns1]

谢谢 lxcnn，不过还是有问题：
IF 后面的表达式中，会用到 %，所以，用 [^%] 就不妥了。例如 <%IF 10%3=1%>
字符串一定会是 <%IF 开头的。所以，如果开头不是 <%IF，就没有匹配即可。

代码不用那么麻烦的，只需要找出第一个匹配的IF串即可，返回结果只需要有两种：匹配的IF串，或者空。您不用写那么多的代码的，只需要写一行正则表达式即可，别的代码我自己套就行啦。

再次谢过！

[saucer]

我上面的代码是针对你举的例子来的，假设了必有一个内嵌的IF，也许是我看错了

也许该换个思路

IF。。。IF。。。/IF....

遍历字符串，看到一个IF，往Stack上push该IF的位置，看到一个/IF，就pop一个IF，如果你需要知道该IF-/IF配对的位置，你也可以另行记录

如果看到一个/IF,但stack上没东西，那么这个/IF就是违法的，出错

如果到字符串全部结束，Stack还有东西，就表明那些位置没有匹配的/IF，也出错

[-过客-]

[Quote=引用 18 楼 wumingcn 的回复:]
感觉 lxcnn 的 . (Singleline模式)好简单清晰，为什么还要用 [\s\S]？是不是有什么细微的区别？

还有，IF 后面的 %> 是两个符号，“非 %>”怎么表示呢？如果是“非 %”可以用 [^%]，但是两个符号怎么办？
[/Quote]

那就这样吧

            string test = @" 
<%IF 10%3=1%> 
<%IF 
""hello""=""hello""%> 
asdf 
<%/IF%> 
<%ELSE%> 
12 
34 
<%/IF%> 

abcde

<%IF test%>one test <%/IF%>

fghij

<%IF 3+3=5%>asfdsf 
<%IF true%>fasdf <%/IF%> 
<%IF false%>1234 <%/IF%> 

klmno

<%IF test%>another test <%/IF%> ";

            Match m = Regex.Match(test, @"(?<=^(?:(?!<%/?IF.*?%>).)*)(<%IF.*?%>(((?<o>)<%IF.*?%>|(?<-o>)<%/IF%>|(?:(?!<%/?IF.*?%>).))*)(?(o)(?!))<%/IF%>)", RegexOptions.Singleline | RegexOptions.IgnoreCase);
            if(m.Success)
                richTextBox2.Text += "匹配成功：\n"+m.Value + "\n";
            else
                richTextBox2.Text += "匹配不成功";

[\s\S]和.加Singleline参数实现的效果是一样的，要说区别嘛，在于习惯吧，在效率上也有细微的差别

这里直接用非贪婪模式就行了，没必要用“非 %>”这种方式

如果在某一处应用需要排除两个字符以上，通常是用(?<!Exp)或者(?!Exp)来实现的

[-过客-]

[Quote=引用 14 楼 wumingcn 的回复:]
字符串一定会是 <%IF 开头的。所以，如果开头不是 <%IF，就没有匹配即可。
[/Quote]

才注意到这句，那这样就可以了

Match m = Regex.Match(test.Trim(), @"<%IF.*?%>(((?<o>)<%IF.*?%>|(?<-o>)<%/IF%>|(?:(?!<%/?IF.*?%>).))*)(?(o)(?!))<%/IF%>", RegexOptions.Singleline | RegexOptions.IgnoreCase);
if(m.Success)
    richTextBox2.Text += "匹配成功：\n"+m.Value + "\n";
else
    richTextBox2.Text += "匹配不成功";

[yueyebohe]

以前懂得只不过是正则的一些皮毛而已，看了楼上诸位大侠的讨论，受益匪浅啊，学习了~

[BestAns1]

[Quote=引用 15 楼 saucer 的回复:]
我上面的代码是针对你举的例子来的，假设了必有一个内嵌的IF，也许是我看错了

也许该换个思路

IF。。。IF。。。/IF....

遍历字符串，看到一个IF，往Stack上push该IF的位置，看到一个/IF，就pop一个IF，如果你需要知道该IF-/IF配对的位置，你也可以另行记录

如果看到一个/IF,但stack上没东西，那么这个/IF就是违法的，出错

如果到字符串全部结束，Stack还有东西，就表明那些位置没有匹配的/IF，也出错
[/Quote]

谢谢指教！

是这样的，我的这个解析器的所有元素(if 或 loop 等)都是通过正则表达式来处理的，所以不希望加入额外的处理代码。我觉得这个用正则表达式处理是可行的，所以就这么设计了。可能性能差，但是代码简单。

如果用代码来判断完整的 IF 的话，应该方法很多的，栈就是一个。但是现在只想通过正则表达式来处理。

[BestAns1]

感觉 lxcnn 的 . (Singleline模式)好简单清晰，为什么还要用 [\s\S]？是不是有什么细微的区别？

还有，IF 后面的 %> 是两个符号，“非 %>”怎么表示呢？如果是“非 %”可以用 [^%]，但是两个符号怎么办？

[-过客-]

哦，少了一个^，第一个IF还是要加个判断的

Match m = Regex.Match(test.Trim(), @"^<%IF((?!%>).)*%>(((?<o>)<%IF((?!%>).)*%>|(?<-o>)<%/IF%>|(?:(?!<%/?IF.*?%>).))*)(?(o)(?!))<%/IF%>", RegexOptions.Singleline | RegexOptions.IgnoreCase);
if (m.Success)
    richTextBox2.Text += "匹配成功：\n" + m.Value + "\n";
else
    richTextBox2.Text += "匹配不成功";

[BestAns1]

[Quote=引用 20 楼 lxcnn 的回复:]
才注意到这句，那这样就可以了

C# codeMatch m = Regex.Match(test.Trim(), @"<%IF.*?%>(((?<o>)<%IF.*?%>|(?<-o>)<%/IF%>|(?:(?!<%/?IF.*?%>).))*)(?(o)(?!))<%/IF%>", RegexOptions.Singleline | RegexOptions.IgnoreCase);
if(m.Success)
richTextBox2.Text += "匹配成功：\n"+m.Value + "\n";
els…
[/Quote]

您好，对于这个正则表达式，处理以下字符串会出问题：
<%IF%><%IF%><%/IF%><%IF%>

以上字符串很明显不符合规则，但是用您的正则表达式后，会返回匹配成功的 <%IF%><%IF%><%/IF%>。

[BestAns1]

测试都通过了！
万分感谢！