如何用递归正则表达式动态分组捕获分号分隔的命令

嘿，我懂你想要实现的目标——把分号分隔的每条命令都单独捕获出来对吧？你之前用的(.+)[;]*(.*)只能拿到前两组，是因为正则里的贪婪匹配在搞鬼：(.+)会一股脑匹配到最后一个分号之前的所有内容，剩下的才留给(.*)，自然没法处理多个命令的情况。

先给你分两种场景说解决方案：

场景1：命令里没有嵌套分号（比如示例中的简单情况） #

这种情况其实根本不需要递归正则，用简单的正则甚至直接字符串分割就搞定了：

方法1：直接字符串分割（最简便） #

如果你的命令里不会出现引号包裹的分号（比如cmd "foo;bar"这种），直接用语言自带的分号分割方法比正则还好用：

• Python：parts = "some command content;some other command;another one".split(';')
• JavaScript：const parts = "some command content;some other command;another one".split(';')
  结果都会得到一个包含所有命令的数组：['some command content', 'some other command', 'another one']

方法2：用正则提取所有命令 #

如果你一定要用正则，可以用匹配非分号字符的规则：[^;]+，这个表达式会匹配任意数量的非分号字符，刚好对应每条命令。

• Python里用findall直接获取所有结果：

  import re
  cmd_str = "some command content;some other command;another one"
  commands = re.findall(r'[^;]+', cmd_str)
  

• 其他支持全局匹配的引擎（比如JavaScript），可以用全局正则循环提取：

  const cmdStr = "some command content;some other command;another one";
  const regex = /[^;]+/g;
  let match;
  const commands = [];
  while ((match = regex.exec(cmdStr)) !== null) {
    commands.push(match[0]);
  }
  

场景2：命令里有嵌套分号（比如带引号的命令） #

如果你的命令里存在类似cmd1;cmd2 "hello;world";cmd3这种带引号的嵌套分号，这时候才需要用到递归正则来处理（因为要区分引号内的分号和分隔用的分号）。

以PCRE引擎（比如PHP、Perl）为例，递归正则可以这样写：

((?:[^;"']*(?:"[^"]*"|'[^']*')?[^;"']*)+)

或者更简洁的递归写法：

((?:[^;]|(?R))+)

这个正则会匹配：要么是非分号字符，要么是递归匹配整个规则（也就是处理引号内的嵌套内容），这样就能正确区分分隔用的分号和命令内部的分号。

为什么你之前的正则不行？ #

再回头说你用的(.+)[;]*(.*)：

• (.+)是贪婪匹配，会从字符串开头一直匹配到最后一个分号的前一个字符（比如输入a;b;c，它会匹配a;b）
• [;]*匹配最后一个分号
• (.*)匹配剩下的c
  所以最终只能得到两个捕获组，没法覆盖所有命令。

内容的提问来源于stack exchange，提问作者Mr Smith