如何用Python正则表达式递归提取代码中所有带括号的标识符（含函数调用、控制语句）

嘿，你想要的效果完全可以通过递归正则实现！Python的re模块支持递归匹配，刚好能解决你这种嵌套括号的场景，咱们一步步来梳理：

先明确你的核心需求 #

你需要提取所有紧跟在(前面的合法标识符——不管括号里是空的、有内容，还是嵌套了其他括号，这些标识符包括函数名（比如func1）、控制语句关键字（比如if）。

分析你之前尝试的问题 #

你之前写的正则要么匹配范围太宽泛（比如.*?(?=\s?\()会抓到很多无关的字符串片段），要么方向不对（第二个正则是在匹配括号内部的内容，而非括号前的标识符），所以没得到预期结果。

解决方案：递归正则表达式 #

我们可以写一个能识别嵌套括号的正则，同时精准捕获括号前的标识符：

import re

string = "int a = {0}; func1(arg1, arg11); if(var1 == data1 && func2(arg2)) {  var2 = func3(arg3, func4(arg4))  func5(var5) } else { (void)func6(arg6) }"

# 递归正则，专门匹配带括号的标识符
pattern = r'\b([a-zA-Z_]\w*)\s*\((?:[^()]|(?R))*\)'
result = re.findall(pattern, string)
print(result)

运行这段代码，输出正好是你想要的：
['func1', 'if', 'func2', 'func3', 'func4', 'func5', 'func6']

正则逻辑拆解 #

咱们来拆一下这个正则为什么能 work：

• \b：单词边界，确保我们匹配的是完整的标识符（不会抓到其他字符串的片段）
• ([a-zA-Z_]\w*)：捕获组，匹配Python合法标识符（以字母/下划线开头，后面跟字母、数字、下划线）
• \s*：匹配括号前可能存在的空格（比如if (var1)里的空格）
• \(：匹配左括号
• (?:[^()]|(?R))*：非捕获组，处理括号内部的内容：要么是非括号字符，要么递归匹配整个正则模式（完美解决嵌套括号的问题，比如func3(arg3, func4(arg4))里的func4也能被识别）
• \)：匹配对应的右括号

关于递归正则的说明 #

你问的“Is there any way to recursively call regex?”——当然可以！Python的re模块支持两种递归方式：

1. (?R)：直接引用整个正则模式，就像我们上面用的那样
2. 命名分组+(?P=group_name)：如果你的正则有命名分组，可以用这种方式递归引用特定分组

一些注意事项 #

• 这个正则假设你的代码括号都是成对闭合的，如果有语法错误（比如未闭合的括号），可能会匹配出错
• 它不会区分字符串中的括号（比如print("hello (world)")里的括号会被误判），如果要处理这种复杂场景，更推荐用Python的ast模块（抽象语法树）来解析代码，比正则更可靠
• 像(void)这种前面没有标识符的括号结构，不会被捕获，符合你的需求

备注：内容来源于stack exchange，提问作者d_k