.NET中对无限层匹配嵌套结构的正则匹配

在开发模板引擎时遇到了一个用正则表达式比较难以处理的情况，就是无限级的嵌套结构的匹配。HTML标签就属于这种结构。

举个具体的例子，下面是我们要匹配的内容：

<x>
    <x></x>
    <y></y>
</x>
<x></x>

在找到用正则匹配无限层嵌套结构的方法之前，我只能绕弯路来实现对无限层嵌套结构的匹配。

我只能用正则先把每个独立的标签匹配出来，然后用第一个标签名x做参数，逐一的查找匹配出来的每一个独立标签，看看他是否是第一个x对应的闭合标签。

这种方式得加上判断嵌套层次的代码，还得匹配和循环很多没有用的数据。

后来我才了解到.NET提供了一个正则表达式的扩展特性，用来帮助处理无限层嵌套结构的匹配。这种特性是.NET特有的，别的编程语言或者平台不一定会有。

我们都知道正则的匹配组的概念，它的语法是 (?<组名>)。使用这个正则语法我们可以建立一个匹配组。其实这是一个入栈的过程。

而.NET对正则的匹配组做了一个特殊的支持 (?<-组名>)。使用这个正则语法我们可以将指定组名的最后匹配结果去除。也就是出栈了。

一个入栈一个出栈，这一入一出就为我们提供了匹配无限层嵌套的可能 :)

下面举个例子看看怎么实现无限层嵌套的匹配：

从图中我们可以看出正则正确的匹配出了最顶层的三个<x></x>结构，而嵌套在第二个<x></x>结构中的标签被当成了结构的内容。这是怎么做到的呢？

下面是图中的正则，我加入了注释：

<x>
(?>
  <x>(?<n>)          #在匹配到<x>时，将匹配组n入栈
  |
  </x>(?<-n>)        #在匹配到</x>时，将匹配组n出栈
  |
  (?!<x>|</x>).      #匹配除<x>和</x>以外的其他字符
)*
(?(n)(?!))           #如果执行到此处还存在匹配组n，则匹配失败，重新匹配
</x>

这段正则中还用到了平时比较少使用到的(?!(name)yes|no)语法，这个语法相当于C语言的if语法，用于做条件判断，之用。上面的正则中我们用它来片段是否存在命名组n，如果存在命名组n，说明标记没有对称闭合，用(?!)断言匹配失败，重新匹配。

在《Mastering Regular Expressions》中似乎有相关章节提到这种无限层嵌套结构的匹配，不过我手头没这本书。我是从这里学习到这种特殊的正则语法的，大家可以参考下 :)