基于Oniguruma的VS Code私有语言语法支持：sub起始正则匹配问题

问题背景 #

正在为VS Code开发某私有语言的语法支持，依赖Oniguruma正则引擎。需要编写两个正则分别匹配代码块的起始（sub行）与结束（end sub行）。已完成结束部分正则：

(?i)\b(\s*end\s* sub)\s*([_a-z][0-9_a-z]*)\s*;

现需编写起始正则，要求仅匹配左侧无“end\s*”的sub，尝试负向回溯(?<!end\s*)sub时遇到量词不允许的问题。

示例输入：

sub mysub1; 
  var i:Integer; 
  sub innersub1; 
    begin; 
  end sub innersub1; 
begin
end sub mysub1;

期望匹配两个代码块的起始行：sub mysub1; 和 sub innersub1;，分别对应结束行end sub mysub1;和end sub innersub1;。

解决方案 #

Oniguruma引擎支持可变长度后行断言，可以直接调整正则写法满足需求，正确的起始匹配正则如下：

(?i)\b(?<!end\s*)sub\s+([_a-z][0-9_a-z]*)\s*;

正则说明 #

• (?i)：忽略大小写，与结束正则保持一致的匹配规则
• (?<!end\s*)：后行断言，确保当前位置之前不存在“end”加任意数量空白字符的组合，精准排除“end sub”语句中的sub关键字
• \b：单词边界，避免匹配包含sub的其他标识符（比如mysub这类变量名）
• sub\s+：匹配sub关键字及后续至少一个空白字符
• ([_a-z][0-9_a-z]*)：匹配合法的sub名称（规则与结束正则中的命名组一致）
• \s*;：匹配行尾的任意空白字符和分号

这个正则可以准确匹配示例中的两个起始sub行，不会误匹配end sub里的sub。

内容的提问来源于stack exchange，提问作者jenny03