寻求PCRE正则验证Gherkin语句结构正确性的技术解决方案

需求回顾 #

需要用PCRE正则识别格式错误的多行Gherkin代码，不能用代码逻辑辅助。正确的Gherkin结构顺序严格遵循：
Feature > 可选Rule > 可选Background > 可选Scenarios/Examples容器（内部至少包含一个Scenario/Example） > 每个Scenario/Example必须包含Given，且Given后至少有一个When/Then/But/And/*步骤
备注：Scenarios/Examples、Scenario/Example、And/*互为别名；必须存在至少一个Scenario/Example。

现有问题分析 #

之前尝试通过“匹配正确格式再取反”的思路，但写出的正则存在逻辑漏洞：

• 允许Rule与Background之间出现Scenario/Example，违反结构顺序
• 未处理Scenarios/Examples容器的情况
• 未严格校验每个Scenario/Example内部的步骤结构

之前尝试的正则：
非捕获组版本：

(Feature:[\s\S]+?)(?:Rule:[\s\S]+?)?(?:Background:[\s\S]+?)?(Scenario:[\s\S]+?)(Given:[\s\S]+?)(When|Then|And|\*)[\s\S]*?((?=(Scenario|Feature|$))) 

负前瞻版本：

(Feature:[\s\S]+)(?=(Rule:[\s\S]+)?)(?=(Background:[\s\S]+)?)(?=(Scenario:[\s\S]+)*)

有效解决方案 #

第一步：编写匹配正确格式的PCRE正则 #

这个正则严格遵循结构顺序，确保每个块只能接允许的下一个元素，同时校验场景内部的步骤结构：

(?m)^Feature:[\s\S]+?(?=^\s*(?:Rule|Background|Scenario|Scenarios|Example|Examples|$))
(?:^\s*Rule:[\s\S]+?(?=^\s*(?:Background|Scenario|Scenarios|Example|Examples|$)))?
(?:^\s*Background:[\s\S]+?(?=^\s*(?:Scenario|Scenarios|Example|Examples|$)))?
(?:^\s*(?:Scenarios|Examples):[\s\S]+?)?
(?:^\s*(?:Scenario|Example):[\s\S]+?^\s*Given:?[\s\S]+?(?:^\s*(?:When|Then|But|And|\*):?[\s\S]+?)+)+
(?=^\s*(?:Feature|$))

正则说明：

• (?m)：开启多行模式，让^匹配每行开头
• 每个块通过正前瞻(?=...)限制后续只能出现允许的关键字或结束，避免顺序错误
• 场景部分强制要求至少一个Scenario/Example，且每个场景必须包含Given及后续步骤
• 支持Scenarios/Examples容器的可选包裹

第二步：识别错误格式 #

有两种方式实现错误识别：

1. 反向匹配：在支持PCRE的工具（如grep -P、regex101）中，使用反向匹配功能（比如grep -Pv），用上面的正确正则匹配，未被匹配的内容就是格式错误的Gherkin。
2. 直接匹配错误结构：编写正则直接命中违反规则的情况，比如：

(?m)(?:^\s*(?:Scenario|Example|Scenarios|Examples):(?=^\s*(?:Rule|Background:))|^\s*Given:?(?=^(?!\s*(?:Scenario|Example):))|^\s*(?:When|Then|But|And|\*):?(?=^(?!\s*(?:Given|When|Then|But|And|\*):))|^Feature:[\s\S]+?(?!^\s*(?:Rule|Background|Scenario|Scenarios|Example|Examples|$))|^\s*Rule:[\s\S]+?(?!^\s*(?:Background|Scenario|Scenarios|Example|Examples|$))|^\s*Background:[\s\S]+?(?!^\s*(?:Scenario|Scenarios|Example|Examples|$))|(?!^\s*(?:Scenario|Example):[\s\S]+?^\s*Given:)^\s*(?:Scenario|Example):)

这个正则会匹配以下错误情况：

• 场景关键字（Scenario/Example等）出现在Rule或Background之前
• Given步骤不在Scenario/Example块内
• When/Then等步骤没有前置的Given或其他合法步骤
• Feature/Rule/Background后面出现不允许的内容
• Scenario/Example块中没有Given步骤

内容的提问来源于stack exchange，提问作者Shawn