使用正则捕获自定义玩具语言函数参数及可选类型提示问题

问题分析 #

你当前的正则表达式尝试用单个捕获组覆盖所有参数，但tmLanguage的正则引擎中，重复的捕获组（比如(,\w+(:\w+)?)*里的(:\w+)?）只会保留最后一次匹配的结果，这就导致多参数场景下中间的类型提示无法被正确捕获。单个大正则无法处理这种需要重复识别相同结构的场景，必须改用tmLanguage支持的分块匹配模式。

解决方案 #

放弃用单个正则匹配整个函数声明，改用begin/end块拆分匹配逻辑：先匹配函数声明的开头，再在参数列表范围内单独匹配每个参数及其类型提示。

具体tmLanguage配置示例 #

{
  "name": "Toy Language",
  "patterns": [
    {
      "begin": "\\b(func)\\b\\s+\\b(\\w+)\\b\\(",
      "end": "\\)\\s*->\\s*\\b(\\w+)\\b",
      "captures": {
        "1": { "name": "keyword.control.function.toy" },
        "2": { "name": "entity.name.function.toy" },
        "3": { "name": "storage.type.return.toy" }
      },
      "patterns": [
        {
          "match": "\\b(\\w+)(:\\b(\\w+)\\b)?",
          "captures": {
            "1": { "name": "variable.parameter.toy" },
            "2": { "name": "punctuation.separator.type.toy" },
            "3": { "name": "storage.type.parameter.toy" }
          }
        },
        {
          "match": ",",
          "name": "punctuation.separator.comma.toy"
        }
      ]
    }
  ]
}

配置说明 #

1. 外层begin/end：匹配函数声明的框架（func 函数名( 到 )->返回类型），分别标记关键字、函数名和返回类型。
2. 内部patterns：在参数列表的范围内，单独匹配每个参数项：
   • 匹配参数名\b(\w+)，标记为参数变量；
   • 匹配可选的类型提示:\b(\w+)\b，分别标记类型分隔符和类型名；
   • 匹配逗号分隔符，单独标记样式。

原正则失效原因 #

原正则\b(func)\b\s+\b(\w+)\b\((\w+(:\w+)?(,\w+(:\w+)?)*)?\)\s*->\s*\b(\w+)\b中，(:\w+)?嵌套在重复组(,\w+(:\w+)?)*里，正则引擎会不断覆盖这个捕获组的内容，最终只保留最后一个参数的类型提示，中间的全部丢失。而分块匹配会逐个识别每个参数，避免了重复捕获组的覆盖问题。

内容的提问来源于stack exchange，提问作者buzzbuzz20xx