Python正则如何匹配含嵌套花括号的LaTeX \textbf{}内部文本

你之前使用的(?R)元字符作用是递归匹配整个正则表达式的完整规则。当你在正则前加了\\textbf前缀后，递归匹配内部嵌套花括号时，会要求子串也必须带\\textbf前缀，自然无法匹配内部不带前缀的普通嵌套花括号结构，导致匹配结果缺失。

Python 标准库re不支持递归正则，需要使用第三方regex库实现，核心思路是放弃全模式递归，只针对「成对花括号」的子规则做递归，避免前缀干扰。

正则写法与示例代码 #

import regex

cnt = r"""
1. \textbf{adadasas}
2. \textbf{adadasas \textit{xxx} adasda {xxx}}
3. \textbf{adadasas {} {} {} dxxxx}
"""

# 正则模式说明：匹配\textbf开头后，递归匹配所有嵌套花括号，捕获括号内全部内容
pattern = r'\\textbf({((?:[^{}]++|(?1))*)})'
result = [match.group(2) for match in regex.finditer(pattern, cnt)]

print(result)
# 输出：['adadasas', 'adadasas \\textit{xxx} adasda {xxx}', 'adadasas {} {} {} dxxxx']

模式逻辑拆解 #

• \\textbf{：匹配\textbf命令开头
• 第一个捕获组({((?:[^{}]++|(?1))*)})：定义成对花括号的匹配规则
  • [^{}]++：占有优先匹配所有非花括号的普通字符，避免无效回溯提升匹配效率
  • (?1)：递归调用第一个捕获组的规则，匹配内部嵌套的成对花括号，不会强制要求匹配\textbf前缀
• 第二个捕获组((?:[^{}]++|(?1))*)：直接提取最外层花括号包裹的全部内部内容，就是需要的目标结果

如果觉得分组序号不好维护，可以用命名组写法，逻辑完全一致：

pattern = r'''
\\textbf{
(?P<content>
  (?:
    [^{}]+
    |
    (?P<brace>{(?&content)*})
  )*
)
}
'''
result = regex.findall(pattern, cnt, flags=regex.VERBOSE)

内容的提问来源于stack exchange，提问作者rcv