递归正则表达式的意外行为

Question

我正在尝试匹配可以包含平衡 < 和 > 个字符的 C++ 参数类型。

使用这个正则表达式： (\<(?>[^<>]|(?R))*\>)

在此字符串上：QMap<QgsFeatureId, QPair<QMap<Something, Complex> >>

它匹配除前 4 个字符之外的所有字符 (QMap)。

现在，如果我在正则表达式的开头添加 \w+，它现在只匹配它的结尾 (QPair<QMap<Something, Complex> >>) 而不是整个字符串。

这是什么解释，如何解决？

你可以在线试一下here。

这是为了在 Perl 5.10+ (5.24) 中使用。

Answer 1

(?R) construct 递归整个模式。当您在开头添加 \w+ 时，它也会在递归发生时被考虑在内。但是，您要递归的是 Group 1 子模式。

您需要一个 subroutine call 来递归捕获组子模式：

(\w+)(<(?:[^<>]++|(?2))*>)

详情

(\w+) - 第 1 组捕获标识符（您可以将其更改为 [a-zA-Z]\w*）
(<(?:[^<>]++|(?2))*>) - 第 2 组（将被递归）
- < - 文字 <
- (?:[^<>]++|(?2))* - 除 < 和 > 之外的 1+ 个字符（自然地使其更快）或 (|) 整个第 2 组模式（ (?2)).
- > - 文字 >

结果：

Match:   QMap<QgsFeatureId, QPair<QMfap<Something, Complex> >>
Group 1: QMap
Group 2: <QgsFeatureId, QPair<QMfap<Something, Complex> >>

Unexpected behavior around recursive regex