什么是正则表达式来替换/删除 END 之前没有未结束的 START？

Posted 2023-04-13

技术标签:

【中文标题】什么是正则表达式来替换/删除 END 之前没有未结束的 START？【英文标题】：What would be a regex to replace/remove END where its not been preceded by an unended START? 【发布时间】：2011-05-21 22:47:35 【问题描述】：

什么是正则表达式 (php) 来替换/删除（使用 preg_replace()）END 之前没有未结束的 START？

这里有几个例子可以更好地描述我的意思：

示例 1：

输入：

sometext....END

输出：

sometext.... //because theres no START, therefore no need for the excess END

示例 2：

输入：

STARTsometext....END

输出：

STARTsometext....END //because its preceded by a START

示例 3：

输入：

STARTsometext....END.......END

输出：

STARTsometext....END....... //because the END is not preceded by a START

希望有人能提供帮助？

谢谢。

【问题讨论】：

如果你想要一个解析器，你需要写一个解析器。一旦您必须识别嵌套分隔符的级别（括号、括号、开始/结束等），您可能应该考虑使用解析库，甚至滚动您自己的简单下推自动机，而不是正则表达式。即使您平台的正则表达式库支持使这成为可能的扩展，该解决方案也可能很脆弱且难以维护。我不是在寻找一个解析器，它更像是一个小的正则表达式来修复多余的 END。我的正则表达式技能有限，因为我不确定如何检查它是否没有被 START 替换？这不是一个可以用正则表达式匹配的模式。没有人能够为您提供一个小的正则表达式来执行此操作。这与您的技能无关。实际上，我很确定有一个小的正则表达式可以删除那些 END s，但有一些澄清：1. 每行中有多少个开始/结束序列？ 2. 可以嵌套吗？ 3. Start 是否应该始终紧跟在前一个 End 之后，例如 S...ES...E 或 ...S...E.....S...E...E？ 【参考方案1】：

假设您不是在寻找嵌套对，有一个简单的解决方案可以去除多余的 END。考虑：

$str = preg_replace("/END|(START.*?END)/", "$1", $str);

这有点向后替换，但如果您了解引擎的工作顺序，它就很有意义。首先，正则表达式由两个主要部分组成：END|()。从左到右尝试交替，因此如果引擎在输入字符串中看到END，它将匹配它并继续进行下一个匹配（即再次查找END）。第二部分是一个捕获组，其中包含START.*?END - 如果可能，这将匹配整个开始/结束标记。将跳过其他所有内容，直到找到另一个 END 或 START。

由于我们在替换中使用$1，即捕获的组，因此我们只保存第二个令牌。因此，END 生存的唯一方法是进入捕获组，成为START 之后的第一个。

例如，对于文本END START 123 END abc END。正则表达式将找到以下匹配项，并相应地保留、跳过或删除它们：

END - 已移除 (START 123 END) - 捕获 a - 跳过 b - 跳过 c - 跳过 END - 已删除

工作示例：http://ideone.com/suVYh

【讨论】：

使用捕获组的绝佳答案。爱它。 :)【参考方案2】：

这是非常规语言的教科书示例（START 和 END 相当于左括号和右括号）。这意味着您无法将这种语言与简单的正则表达式匹配。您可以使用复杂的正则表达式达到特定的深度，但不能任意深度。

你需要编写一个语言解析器。