正则匹配LaTeX diff公式时如何正确捕获嵌套结构实例

现有实现 #

当前使用的正则：

/diff\\left\((...*?\\right\){0,1})\\right\)/gm

待匹配测试字符串：

diff\left(5x^2\right) + diff\left(5x^2+\tan\left(x\right)\right)

预期目标 #

• 输出2个独立匹配结果：
  • 匹配1：diff\left(5x^2\right)，捕获分组内容为5x^2
  • 匹配2：diff\left(5x^2+\tan\left(x\right)\right)，捕获分组内容为5x^2+\tan\left(x\right)
• 匹配规则：遇到嵌套的\left(/\right)对时，内层的\right)需要纳入捕获分组，直到匹配到和当前diff\left(成对的最外层\right)才终止匹配，禁止跨多个diff结构抓取内容。

现存问题 #

当前正则运行后仅返回1个错误匹配，捕获分组错误抓取了跨两个diff结构的内容：5x^2\right)+diff\left(5x^2+\tan\left(x\right)，属于典型的惰性匹配未处理括号配对导致的跨范围匹配错误。

效果参考 #

蓝色标记为匹配结果范围，绿色标记为捕获分组内容：

• 实际错误运行结果：
  
• 期望正确匹配效果：
  

错误根源是简单的.*?惰性匹配不会做括号层级计数，只要后续存在能满足正则闭合要求的\right)，就会跳过中途遇到的\right)，最终匹配到跨结构的错误位置。
针对\left(和\right)严格成对的LaTeX公式场景，可以使用带前瞻判断的正则做层级校验，JS环境可直接使用的正则如下：

/diff\\left\(((?:[^\\]|\\(?!right\))|\\right\)(?=(?:[^\\]|\\(?!left\(|right\))|\\left\((?:[^\\]|\\(?!left\(|right\)))*\\right\)))*)\\right\)/gm

逻辑说明 #

1. 固定匹配前缀diff\left(
2. 捕获分组内分三类规则匹配内容，避免错误终止：
   • 匹配所有不含反斜杠的普通字符
   • 匹配反斜杠开头、但不属于\right)的LaTeX命令，例如\tan、\left
   • 遇到\right)时做前瞻校验：如果该\right)之后、当前diff对应的闭合\right)之前，还存在未配对的\left(，说明这是嵌套括号的内层闭合符，将其纳入捕获范围
3. 最后匹配和当前diff\left(成对的最外层\right)

验证结果 #

上述正则测试目标字符串可正确返回两个匹配项，捕获分组完全符合预期。如果后续需要支持3层及以上的\left/\right嵌套，可以基于该逻辑扩展前瞻判断的层级；如果公式结构复杂度较高，建议直接实现简单的词法解析器做括号配对计数，可维护性远高于纯正则方案。 #

内容的提问来源于stack exchange，提问作者ninja616