今天折腾这么一个正则

Posted 2020-06-14

　　今天一天折腾了这么一个正则

new Regex(@"^!?\[((?:\[[^\]]*\]|[^\[\]]|\](?=[^\[]*\]))*)\]\s*\(\s*<?((?:[^()]|\((?<DEPTH>)|\)(?<-DEPTH>))+?(?(DEPTH)(?!)))>?(?:\s+([‘""])([\s\S]*?)\3)?\s*\)");

　　话说这个正则是干什么用的，故事是这样的：

　　很久很久以前

　　我在markdownlite里面抄了个marked里面的正则

　　一切都很好。

　　突然，

　　有用户报我们的markdown不对，

　　什么情况？

　　一问是link的处理有问题。

　　是什么奇葩link那？

　　打开一看，

　　映入眼帘的是：

[hello](foo(bar).md)

　　marked里面的正则会处理成：

<a href="foo(bar">hello</a>bar).md)

　　确实bar后面都跟)了链接就到处为止了，

　　看起来是用户内容有问题啊！

　　再跑到github里面一试，

　　傻眼了：

<a href="foo(bar).md">hello</a>

　　吐血中。。。

　　再试了很多case后，

　　发现github只要在link target里面的的()是成对出现的就能work。

　　于是就有了今天这个正则。

　　这个复杂的正则需要这么去理解：

^                                           start of string
!?                                          ‘!‘ 0~1
\[                                          ‘[‘
((?:\[[^\]]*\]|[^\[\]]|\](?=[^\[]*\]))*)    group 1: text
\]                                          ‘]‘
\s*                                         white spaces
\(                                          ‘(‘
\s*                                         white spaces
<?                                          ‘<‘ 0~1
(                                           start group 2: link
    (?:                                     start non-capturing group
        [^()]                               any chararacter but ‘(‘ or ‘)‘
    |                                       or
        \((?<DEPTH>)                        ‘(‘ with depth++
    |                                       or
        \)(?<-DEPTH>)                       ‘)‘ with depth--
    )                                       end non-capturing group
    +?                                      lazy 1~
    (?(DEPTH)(?!))                          require depth = 0
)                                           end group 2: link
>?                                          ‘>‘ 0~1
(?:                                         start non-capturing group
    \s+                                     white spaces
    ([‘"])                                  group 3: quote ‘ or "
    ([\s\S]*?)                              group 4: title
    \3                                      ref group 3
)?                                          end non-capturing group 0~1
\s*                                         white spaces
\)                                          ‘)‘