這篇文章適合你嗎？

要讀懂這篇文章的精髓，你最好要有一點正則匹配原理的基礎。比如".*?"匹配文本內容"asp163"，稍懂正則表達式的人都知道可以匹配，但是你知道他的匹配過程嗎？如果你不太清楚，那么下面的內容，對你來說可能不太適合，或許，看的太吃力且無法領悟平衡組的用法。因此，我建議你先了解正則表達式NFA引擎的匹配原理。想要整理一份易懂易描述的話，的確要費些時間，但不知道這篇內容會不會達到我預期的效果。慢慢完善吧~（注：這是我2010年寫的，現在拿過來，有時間將自己做為讀者來看本篇文章，修改有問題的地方，并增加些實例，盡量做到通俗易懂。）

一般正則教程中對平衡組的介紹

如果想要匹配可嵌套的層次性結構的話，就得使用平衡組了。舉個例子吧，如何把“xx aa bbb> bbb> aa> yy”這樣的字符串里，最長的尖括號內的內容捕獲出來？

這里需要用到以下的語法構造：
(?group>) 把捕獲的內容命名為group,并壓入堆棧
(?-group>) 從堆棧上彈出最后壓入堆棧的名為group的捕獲內容，如果堆棧本來為空，則本分組的匹配失敗
(?(group)yes|no) 如果堆棧上存在以名為group的捕獲內容的話，繼續(xù)匹配yes部分的表達式，否則繼續(xù)匹配no部分
(?!) 順序否定環(huán)視，由于沒有后綴表達式，試圖匹配總是失敗

如果你不是一個程序員（或者你是一個對堆棧的概念不熟的程序員），你就這樣理解上面的三種語法吧：第一個就是在黑板上寫一個（或再寫一個）"group"，第二個就是從黑板上擦掉一個"group"，第三個就是看黑板上寫的還有沒有"group"，如果有就繼續(xù)匹配yes部分，否則就匹配no部分。
我們需要做的是每碰到了左括號，就在黑板上寫一個"group"，每碰到一個右括號，就擦掉一個，到了最后就看看黑板上還有沒有－如果有那就證明左括號比右括號多，那匹配就應該失敗（為了能看得更清楚一點，我用了(?'group')的語法）：

         #最外層的左括號
 [^>]*     #最外層的左括號后面的不是括號的內容
 (
  (
   (?'Open') #碰到了左括號，在黑板上寫一個"Open"
   [^>>]*   #匹配左括號后面的不是括號的內容
  )+
  (
   (?'-Open'>) #碰到了右括號，擦掉一個"Open"
   [^>]*   #匹配右括號后面不是括號的內容
  )+
 )*
 (?(Open)(?!))  #在遇到最外層的右括號前面，判斷黑板上還有沒有沒擦掉的"Open"；如果有，則匹配失敗
>         #最外層的右括號

我為什么寫這篇文章

看了上面的介紹，你明白了嗎？在我未理解正則表達式匹配原理之前，看上面對于平衡組的介紹，似懂非懂，且只能當做模板記住，而不能靈活運用。因此查閱大量有關正則方面的資料，這里尤其感謝lxcnn的技術文檔及《精通正則表達式》這本書，讓我對正則表達式有了更深入、更系統的理解，因此，在它們的基礎之上，我就結合自己的學習經歷做個小結，一來做為學習筆記存檔，另外，如果能解決你的疑惑，也是件讓人高興的事。
我先暫不分析上面的代碼，先講解一下關于平衡組相關的概念及知識。
下面表達式匹配測試工具為：Expresso，本站也提供它的完美破解版下載。

平衡組的概念及作用

平衡組，故名思義，平衡即對稱，主要是結合幾種正則語法規(guī)則，提供對配對出現的嵌套結構的匹配。平衡組有狹義與廣義兩種定義，狹義平衡組指(?Expression) 語法，而廣義平衡組并不是固定的語法規(guī)則，而是幾種語法規(guī)則的綜合運用，我們平時所說的平衡組通常指的是廣義平衡組。本文中如無特殊說明，平衡組這種簡寫指的是廣義平衡組。
平衡組的匹配原理
平衡組的匹配原理可以用堆棧來解釋，先舉個例子，再根據例子進行解釋。

源字符串：a+(b*(c+d))/e+f-(g/(h-i))*j
正則表達式：((?Open>\()|(?−Open>)|[^()])*(?(Open)(?!))\)
需求說明：匹配成對出現的()中的內容
輸出：(b*(c+d)) 和 (g/(h-i))
我將上面正則表達式代碼分行寫，并加上注釋，這樣看起來有層次，而且方便

 \(        #普通字符“(”
  (       #分組構造，用來限定量詞“*”修飾范圍
   (?Open>\() #命名捕獲組，遇到開括弧“Open”計數加1
   |      #分支結構
   (?-Open>\)) #狹義平衡組，遇到閉括弧“Open”計數減1
   |      #分支結構
   [^()]+    #非括弧的其它任意字符
  )*       #以上子串出現0次或任意多次
  (?(Open)(?!)) #判斷是否還有“Open”，有則說明不配對，什么都不匹配
 \)       #普通閉括弧

對于一個嵌套結構而言，開始和結束標記都是確定的，對于本例開始為“(”，結束為“)”，那么接下來就是考察中間的結構，中間的字符可以劃分為三類，一類是“(”，一類是“)”，其余的就是除這兩個字符以外的任意字符。

那么平衡組的匹配原理就是這樣的

1、先找到第一個“(”，作為匹配的開始。即上面的第1行，匹配了：a+(b*(c+d))/e+f-(g/(h-i))*j （紅色顯示部分）

2、在第1步以后，每匹配到一個“(”，就入棧一個Open捕獲組，計數加1

3、在第1步以后，每匹配到一個“)”，就出棧最近入棧的Open捕獲組，計數減1

也就是講，上面的第一行正則“\(”匹配了：a+(b*(c+d))/e+f-(g/(h-i))*j （紅色顯示部分）
然后，匹配到c前面的“(”，此時，計數加1；繼續(xù)匹配，匹配到d后面的“)”，計算減1；——注意嘍：此時堆棧中的計數是0，正則還是會向前繼續(xù)匹配的，但是，如果匹配到“)”的話，比如，這個例子中d))（紅色顯示的括號）——引擎此時將控制權交給(?(Open)(?!))，判斷堆棧中是否為0，如果為0，則執(zhí)行匹配“no”分支，由于這個條件判斷結構中沒有“no”分支，所以什么都不做，把控制權交給接下來的“\)”
這個正則表達式“\)”可匹配接下來的)，即b))（紅色顯示的括號）

4、后面的 (?(Open)(?!))用來保證堆棧中Open捕獲組計數是否為0，也就是“(”和“)”是配對出現的

5、最后的“)”，作為匹配的結束

匹配過程

首先匹配第一個“(”，然后一直匹配，直到出現以下兩種情況之一時，把控制權交給(?(Open)(?!))：
a)堆棧中Open計數已為0，此時再遇到“)”
b)匹配到字符串結束符
這時控制權交給(?(Open)(?!))，判斷Open是否有匹配，由于此時計數為0，沒有匹配，那么就匹配“no”分支，由于這個條件判斷結構中沒有“no”分支，所以什么都不做，把控制權交給接下來的“\)”
如果上面遇到的是情況a)，那么此時“\)”可以匹配接下來的“)”，匹配成功；
如果上面遇到的是情況b)，那么此時會進行回溯，直到“\)”匹配成功為止，否則報告整個表達式匹配失敗。
由于.NET中的狹義平衡組“(?Close-Open>Expression)”結構，可以動態(tài)的對堆棧中捕獲組進行計數，匹配到一個開始標記，入棧，計數加1，匹配到一個結束標記，出棧，計數減1，最后再判斷堆棧中是否還有Open，有則說明開始和結束標記不配對出現，不匹配，進行回溯或報告匹配失敗；如果沒有，則說明開始和結束標記配對出現，繼續(xù)進行后面子表達式的匹配。
需要對“(?!)”進行一下說明，它屬于順序否定環(huán)視，完整的語法是“(?!Expression)”。由于這里的“Expression”不存在，表示這里不是一個位置，所以試圖嘗試匹配總是失敗的，作用就是在Open不配對出現時，報告匹配失敗。

下面在看個例子：

table>
tr>
td id="td1"> /td>
td id="td2">
table>
tr>
td>snhame/td>
td>f/td>
/tr>
/table>
/td>
td>/td>
/tr> /table>

以上為部分的HTML代碼.現在我們的問題是要提取出其td id="td2">的td>標簽并將其刪除掉，以往我們慣用的方法都是直接去取,像td\s*id="td2">[\s\S]+?\/td>，不過問題出來了,我們提取到的不是我們想要的內容,而是

td id="td2">
table>
tr>
td>snhame/td>

原因也很簡單,它和離他最近的/td>標簽匹配上了,不過它不知道這個標簽不是它的-_-，是不是就是?符號的原因呢,我們去掉讓他無限制貪婪,可這下問題更大了,什么亂七八糟的東東它都匹配到了

td id="td2">
table>
tr>
td>snhame/td>
td>f/td>
/tr>
/td>
td>/td>

這個結果也不是我們想要的。那么我就用“平衡組”來解決吧。

td\s*id="td2"[^>]*>((?mm>td[^>]*>)+|(?-mm>/td>)|[\s\S])*?(?(mm)(?!))/td>

匹配的結果是

td id="td2">
table>
tr>
td>snhame/td>
td>f/td>
/tr>
/table>
/td>
td>/td>

這正是我們想要的
注意，我開始寫成這樣的方式

td\s*id="td2"[^>]*>((?mm>td[^>]*>)+|(?-mm>/td>)|[\s\S])*(?(mm)(?!))/td> 

匹配的結果是

td id="td2">
table>
tr>
td>snhame/td>
td>f/td>
/tr>
/table>
/td>
td>/td>

一個問題
以下代碼只是做為一個問題探討
文本內容：e+f(-(g/(h-i))*j

正則表達式：

\(
 (
  (?mm>\()
  |
  (?-mm>\))
  |
  .
 )*?
 (?(mm)(?!))
\)

匹配的結果是：(-(g/(h-i))