MATLAB中regexp()如何匹配括号并提取左括号/点前的子串

核心转义规则 #

MATLAB 正则语法中，以下字符属于正则元字符，若要匹配文本中对应的字面符号，必须在字符前加反斜杠\转义：
(、)、[、]、{、}、*、+、?、|、^、$、.、\

其中括号类符号的特殊作用如下：

• ()：标记捕获分组、命名分组、断言分组的边界，未配对的(会直接导致正则解析语法错误
• []：标记字符集边界，匹配集合内的任意单个字符
• {}：标记匹配量词，指定前序规则的重复次数

字符集内部的特殊转义规则 #

在[]包裹的字符集内部，仅4个字符保留特殊含义，其余元字符直接书写即可匹配字面量，无需额外转义：

• 开头位置的^：表示对字符集取反
• 两个字符中间的-：表示字符范围
• \：转义符本身
• ]：标记字符集结束

原有正则的问题 #

你之前写的表达式错误原因如下：

• (?<varname>.*?)(\(\d+\)){?}.：{属于量词元字符，此处无意义的{?}写法会触发解析逻辑错误；末尾的.未转义，会匹配任意单字符而非字面量点号；未覆盖「匹配左括号或点号任意一个作为终止边界」的需求
• (?<varname>.*?)(?<others>\(\d+\)){?}.：除上述相同问题外，额外加的分组强制要求匹配括号加数字的结构，无法适配qwer.asdf这种不带括号的场景
• (?<varname>.*?)\(：左括号转义正确，但仅匹配左括号作为终止符，未覆盖点号场景；非贪婪匹配从字符串起始位置匹配时，未加边界断言会导致匹配结果不符合预期
• (?<varname>.*?)(：作为分组起始的(没有对应闭合的)，触发正则语法错误
• (?<varname>.*?)/(：多写了无意义的斜杠符号，且左括号未转义，存在语法错误

可直接运行的正确实现 #

需求是提取所有出现在左括号或点号之前的子串，用正向先行断言做终止边界即可，无需额外匹配终止符本身：

% 测试用例
example1 = 'qwer(1).asdf; qwer(1).zxcv;';
example2 = 'qwer.asdf; qwer.zxcv;';
% 正则：命名捕获组匹配连续字符，正向断言后面紧跟左括号或点号
expression = '(?<varname>\w+)(?=[(.])';
% 调用匹配
parts1 = regexp(example1, expression, 'names');
parts2 = regexp(example2, expression, 'names');

运行后parts1、parts2均会返回2个结构体，每个结构体的varname字段值为'qwer'，符合预期。如果需要匹配的子串可能包含非字母数字下划线的字符，把捕获组里的\w+换成.*?即可。

内容的提问来源于stack exchange，提问作者Argyll