正则表达式通过忽略内部标签来匹配结束标签

regex to match the closing tags by ignoring inner tags

我想截取MediaWiki格式的图片标签，例如

[[ Image:Justus Sustermans - Portrait of Galileo Galilei (Uffizi).jpg|left|thumb|upright|[[Galileo]] is often referred to as the Father of [[modern astronomy]], portrait by [[Justus Sustermans]]]]

我必须忽略内部 [[...]] 以匹配整体（以粗体 [[ 和 ]] 显示）。我想到了

\[\[Image:((?:[^]]*+(?:(?!\[\[)|(?R))*+)*+)\]\]

但它停在第一个 ]]。

Fiddle

你可以使用

\[\[Image:((?:[^][]+|(\[\[(?:[^][]++|(?-1))*]]))*)]]

参见regex demo。

详情:

  • \[\[Image: - 文字 [[Image: 字符串
  • ((?:[^][]+|(\[\[(?:[^][]++|(?-1))*]]))*) - 第 1 组：
    • (?:[^][]|(\[\[(?:[^][]++|(?-1))*]]))* - 零次或多次出现
      • [^][]+ - [ 和 ]
        • 以外的任何一个或多个字符
      • | - 或
      • (\[\[(?:[^][]++|(?-1))*]]) - 第 2 组（技术性的，用于递归）：嵌套 [[ 和 ]]
        • 之间的子字符串
  • ]] - ]] 字符串。

注意：如果你确定双方括号只能嵌套一层，可以使用

\[\[Image:([^][]*(?:\[\[[^][]*]][^][]*)*)]]

参见 this regex demo。在这里，([^][]*(?:\[\[[^][]*]][^][]*)*) 将除 [ 和 ] 之外的任何零个或多个字符捕获到第 1 组中，然后匹配双方括号之间的零个或多个子字符串，并且内部没有方括号，并且然后 [ 和 ].

以外的零个或多个字符

或者您可以寻找平衡的方括号，但使用环视限制两端的规则：

(?=\[\[Image:)(\[(?:[^][]|(?1))*])(?<=]])
  • (?=\[\[Image:) 前瞻搜索以 [[Image:
    • 开头的字符串
  • (\[(?:[^][]|(?1))*]) 使用递归平衡嵌套方括号
  • (?<=]]) 向后搜索以 ]]
    • 结尾的字符串

见test cases

如果您不关心里面的括号是否平衡，只是想做一个假设并排除 [[ ]] 对。这个应该可以解决问题：

\[\[Image:(?:\[\[.*?]]|.)*?]]

见test cases