如何用正则匹配LaTeX文档中带嵌套花括号的\theoremnoname命令

要处理LaTeX中\theoremnoname{Something 1}{Something 2}这种可能包含嵌套{}的结构，关键是要递归匹配嵌套的大括号——普通正则（不支持递归）无法处理这类场景，得用支持递归/平衡组的正则引擎（比如Python的regex库、.NET正则引擎、PCRE等）。

具体实现方案 #

1. 核心正则表达式（支持递归） #

针对需求，可使用如下正则直接提取两组内容：

\\theoremnoname\{((?:[^{}]|(?R))*)\}\{((?:[^{}]|(?R))*)\}

• 关键解释：
  • \\theoremnoname：匹配目标命令，注意转义反斜杠
  • \{((?:[^{}]|(?R))*)\}：匹配一对大括号内的内容，其中(?:[^{}]|(?R))*表示要么匹配非大括号字符，要么递归匹配整个大括号结构，完美处理任意层级的嵌套{}
  • 两个独立分组分别对应Something 1和Something 2

2. Python示例（使用regex库） #

Python标准库re不支持递归，需安装第三方库regex：

import regex

latex_content = """
\\theoremnoname{$\\sqrt{2}$ is irrational.}{Blah {blah} blah...}
\\theoremnoname{For $n$ a non-square integer, $\\sqrt{n}$ is irrational.}{Proof {with nested {braces} here} done.}
"""

pattern = r'\\theoremnoname\{((?:[^{}]|(?R))*)\}\{((?:[^{}]|(?R))*)\}'
matches = regex.findall(pattern, latex_content)

for idx, (thm_statement, thm_proof) in enumerate(matches, 1):
    print(f"定理{idx} 陈述：{thm_statement}")
    print(f"定理{idx} 内容：{thm_proof}\n")

运行后会正确提取包含多层嵌套大括号的两组内容。

3. 有限嵌套场景的替代方案（仅用标准re） #

如果只能用Python标准库re，可以通过有限层级的嵌套规则近似处理，比如支持2层嵌套的正则：

\\theoremnoname\{([^{}]*(?:\{[^{}]*\}[^{}]*)*)\}\{([^{}]*(?:\{[^{}]*\}[^{}]*)*)\}

但这种方法无法处理更深层级的嵌套，仅适合简单场景。

原正则失效原因 #

你之前的正则\theorem\{([^{}]+)\}(\{([^{}]*\{[^{}]*\}[^{}]*)*)\})存在两个问题：

• 匹配的是\theorem而非目标的\theoremnoname
• 第二个分组的逻辑无法处理多层嵌套的大括号，导致无法匹配复杂内容

内容的提问来源于stack exchange，提问作者Robin