匹配其他标签的正则表达式（字符串对）
regex to match othermost tags (string pair)
我有一本书是用 Sweave 写的，其中包含很多我正在尝试转换为 Rmarkdown 的 Latex。我设法编写了一个脚本，将大部分 Latex 转换为合理的降价，但嵌套列表让我望而却步。
到目前为止，我的想法是检测列表何时开始和结束，然后将其传递给 pandoc 进行转换，因为我认为制作解析器会使它变得不必要的困难。
问题是在嵌套列表时检测列表的开始和结束位置。
我在这里找到了一个匹配方括号标签的例子，但我一直无法弄清楚如何将它转换为匹配 \begin 和 \end。 ()
示例数据：
meh meh
\begin{itemize}
\item something1
\begin{itemize}
\item something1.1
\item something1.2
\end{itemize}
\item something2
\begin{itemize}
\item something2.1
\item something2.2
\end{itemize}
\end{itemize}
blah blah
\begin{itemize}
\item somethingelse1
\item somethingelse2
\end{itemize}
the end.
上面应该有两场比赛。一个用于嵌套列表，一个用于下面的列表。
这可以用正则表达式来完成吗？还是您看到了一些更聪明的方法？
在\begin{...}和\end{...}之间递归匹配的正则表达式是PCRE正则表达式，如
(?s)\begin\{[^{}]*}(?:(?!\(?:end|begin)).|(?R))*\end\{[^{}]*}
一个更高效的正则表达式版本（展开后，我还在前瞻中的 \begin 和 \end 之后添加了对 { 的检查）是：
\begin\{[^{}]*}(?:[^\]*(?:\(?!(?:end|begin)\{)[^\]*)*|(?R))*\end\{[^{}]*}
参见regex demo #1 and regex demo #2。 详情:
(?s) - singleline/dotall/s 修饰符使 . 跨行匹配 \begin\{ - \begin{ 字符串[^{}]* - { 和 }} - 一个 } 字符 (?:(?!\(?:end|begin)).|(?R))* - 尽可能多地出现零次或多次
(?!\(?:end|begin)). - 任何不以 \end 或 \begin 字符序列开头的字符 | - 或(?R) - 整个正则表达式模式是递归的
\end\{ - \end{ 字符串[^{}]*} - { 和 } 以外的零个或多个字符，然后是 } 个字符。
示例 R 代码：
x <- "meh meh\n\begin{itemize}\n\item something1\n\begin{itemize}\n\item something1.1\n\item something1.2\n\end{itemize}\n\item something2\n\begin{itemize}\n\item something2.1\n\item something2.2\n\end{itemize}\n\end{itemize}\nblah blah\n\begin{itemize}\n\item somethingelse1\n\item somethingelse2\n\end{itemize}\nthe end.\n"
reg <- "(?s)\\begin\{[^{}]*}(?:(?!\\(?:end|begin)).|(?R))*\\end\{[^{}]*}"
## reg2 <- "\\begin\{[^{}]*}(?:[^\\]*(?:\\(?!(?:end|begin)\{)[^\\]*)*|(?R))*\\end\{[^{}]*}"
result <- regmatches(x, gregexpr(reg, x, perl=TRUE))
输出：
> result
[[1]]
[1] "\begin{itemize}\n\item something1\n\begin{itemize}\n\item something1.1\n\item something1.2\n\end{itemize}\n\item something2\n\begin{itemize}\n\item something2.1\n\item something2.2\n\end{itemize}\n\end{itemize}"
[2] "\begin{itemize}\n\item somethingelse1\n\item somethingelse2\n\end{itemize}"
我有一本书是用 Sweave 写的，其中包含很多我正在尝试转换为 Rmarkdown 的 Latex。我设法编写了一个脚本，将大部分 Latex 转换为合理的降价，但嵌套列表让我望而却步。
到目前为止，我的想法是检测列表何时开始和结束，然后将其传递给 pandoc 进行转换，因为我认为制作解析器会使它变得不必要的困难。 问题是在嵌套列表时检测列表的开始和结束位置。
我在这里找到了一个匹配方括号标签的例子，但我一直无法弄清楚如何将它转换为匹配 \begin 和 \end。 (
示例数据：
meh meh
\begin{itemize}
\item something1
\begin{itemize}
\item something1.1
\item something1.2
\end{itemize}
\item something2
\begin{itemize}
\item something2.1
\item something2.2
\end{itemize}
\end{itemize}
blah blah
\begin{itemize}
\item somethingelse1
\item somethingelse2
\end{itemize}
the end.
上面应该有两场比赛。一个用于嵌套列表，一个用于下面的列表。 这可以用正则表达式来完成吗？还是您看到了一些更聪明的方法？
在\begin{...}和\end{...}之间递归匹配的正则表达式是PCRE正则表达式，如
(?s)\begin\{[^{}]*}(?:(?!\(?:end|begin)).|(?R))*\end\{[^{}]*}
一个更高效的正则表达式版本（展开后，我还在前瞻中的 \begin 和 \end 之后添加了对 { 的检查）是：
\begin\{[^{}]*}(?:[^\]*(?:\(?!(?:end|begin)\{)[^\]*)*|(?R))*\end\{[^{}]*}
参见regex demo #1 and regex demo #2。 详情:
(?s)- singleline/dotall/s修饰符使.跨行匹配\begin\{-\begin{字符串[^{}]*-{和} 以外的零个或多个字符
}- 一个}字符(?:(?!\(?:end|begin)).|(?R))*- 尽可能多地出现零次或多次(?!\(?:end|begin)).- 任何不以\end或\begin字符序列开头的字符|- 或(?R)- 整个正则表达式模式是递归的
\end\{-\end{字符串[^{}]*}-{和}以外的零个或多个字符，然后是}个字符。
示例 R 代码：
x <- "meh meh\n\begin{itemize}\n\item something1\n\begin{itemize}\n\item something1.1\n\item something1.2\n\end{itemize}\n\item something2\n\begin{itemize}\n\item something2.1\n\item something2.2\n\end{itemize}\n\end{itemize}\nblah blah\n\begin{itemize}\n\item somethingelse1\n\item somethingelse2\n\end{itemize}\nthe end.\n"
reg <- "(?s)\\begin\{[^{}]*}(?:(?!\\(?:end|begin)).|(?R))*\\end\{[^{}]*}"
## reg2 <- "\\begin\{[^{}]*}(?:[^\\]*(?:\\(?!(?:end|begin)\{)[^\\]*)*|(?R))*\\end\{[^{}]*}"
result <- regmatches(x, gregexpr(reg, x, perl=TRUE))
输出：
> result
[[1]]
[1] "\begin{itemize}\n\item something1\n\begin{itemize}\n\item something1.1\n\item something1.2\n\end{itemize}\n\item something2\n\begin{itemize}\n\item something2.1\n\item something2.2\n\end{itemize}\n\end{itemize}"
[2] "\begin{itemize}\n\item somethingelse1\n\item somethingelse2\n\end{itemize}"