インデントされた継続行を一致させるための正規表現

Question

key = valueのペアは、次の規則を使用して任意のテキストに一致する必要があります。

• 大手行は以下の構造を有する：インデント付き
  • 開始 - 「二つのスペースまたはタブ」のLEA一度、例えば：( |\t)+
  • +文字と1つのスペース
  • 言葉VARかCONST
  • およびkeyおよびvalue=文字
  の

例：

+ VAR somename = somevalue (indented with two spaces) 
     + VAR name3 = indented by one \t 

正規表現一致以下、このような行：

/^( |\t)+\+\s+(VAR|CONST)\s+(\w+)\s*=\s*(.*)$/ 

今問題：構文は、継続行可能例えば上記の行の後に少なくとも1つのインデントシーケンス( |\t)（別名2つのスペースまたは1つのタブ）を開始する行が続く行とみなされ、その全体の内容（先行スペースも含む）は前のキーのvalueである必要がありますライン。

例：

+ VAR multi = 3 line value where the continuation lines 
    are indented (starts with two spaces or one tab) 
    and NOT followed by the '+' 

例えば、継続行ための正規表現は、溶液は、例えば、ラインベースアプローチに容易である

/^( |\t)+([^\+](.*))$/ 

あります私はテキスト全体を複数の行に分割し、行単位で処理します。

しかし、（複雑な）正規表現（主に学習とベンチマークの目的）を探しています。これは、キー=値のペアを1行または複数行の形式で一致させることができます。この試みた：

while($text =~ m/^( |\t)+\+\s+(VAR|CONST)\s+(\w+)\s*=\s*((.*)$(?=( |\t)+[^\+](.*)$)*)/gm) { 
    ... 
} 

を私が得た：

(?=( |\t)+[^\+](.*)$)* matches null string many times in regex; marked by <-- HERE in m/^( |\t)+\+\s+(VAR|CONST)\s+(\w+)\s*=\s*((.*)$(?=( |\t)+[^\+](.*)$)* <-- HERE)/ at so line 36. 

サイド質問：正規表現が含まれている必要がありますとき

/ 
    ^( |\t)+  # <- space ... :(
    \+\s+ 
    (VAR|CONST) 
    \s+ 
    (\w+) 
    \s*=\s* 
    (.*)$ 
/x 

：のように、複数行に拡張正規表現を使用する方法を正確にスペース文字（例えばユニバーサル\sは使用できません）？

ヘルプが必要な場合は、必要な出力（行ベースのアプローチを使用）と非機能のregex-basedソリューションを生成するコードを示します。

---

EDIT

#!/usr/bin/env perl 
use 5.014; 
use warnings; 
use Data::Dumper; 

my $txt = do { local $/; <DATA> }; 

my @matches1 = parse_by_lines($txt // ''); 
mydump('BY LINES', @matches1); 

my @matches2 = parse_by_one_regex($txt // ''); 
mydump('REGEX', @matches2); 

sub parse_by_lines { #produces the wanted output 
    my ($text) = @_; 
    my @match; 
    my $havekey; 
    for my $line (split "\n", $text) { 
     if($line =~ m/^( |\t)+\+\s+(VAR|CONST)\s+(\w+)\s*=\s*(.*)$/) { 
      push @match, { indent => $1, type => $2, key => $3, val => $4 }; 
      $havekey++; 
     } 
     elsif($havekey && $line =~ m/^( |\t)+([^\+](.*))$/) { #continuation line 
      $match[-1]->{val} .= "\n$line"; #prserve the \n in the val 
     } 
     else { 
      $havekey = 0; 
     } 
    } 
    return @match; 
} 


sub parse_by_one_regex { #not working 
    my ($text) = @_; 
    my @match; 
    while($text =~ m/^( |\t)+\+\s+(VAR|CONST)\s+(\w+)\s*=\s*((.*)$(?=( |\t)+[^\+](.*)$)*)/gm) { 
     push @match, { indent => $1, type => $2, key => $3, val => $4 }; 
    } 
    return @match; 
} 

sub mydump { 
    my($label, @match) = @_; 
    say "#### $label ####"; 
    for my $m (@match) { 
     printf "%-6s: [%s]\n", $_, $m->{$_} for (qw(indent type key val)); 
     print "\n"; 
    } 
} 

__DATA__ 
some arbitrary text lines 
or empty lines 

    could be indented 
    and could contain any character 

    + VAR name1 = var indented by two spaces and the first nonspace character is '+' 
line of arbitrary text 
    + VAR name2 = var indented by 2x2 spaces 

    + VAR name3 = var indented by one \t 
    + VAR name4 = the next line with "name5" is not valid. missing the = character, should not be matched 
    + VAR name5 
    + CONST name6 = the type could be VAR or CONST 

    + VAR multi1 = multiline value where the continuation lines 
    are indented (starts with two spaces or one tab) and NOT followed by the '+' 

    + VAR multi1 = multiline value 
    indented 

    + VAR multi1 = multiline value 
    indented ok too 


    + VAR single = this is single line 
    + because this line even if it is indented, the first nonspace character is '+' 

    + VAR multi2 = multiline 
    could be 
    indented 
     any way 
    and any number of times 
    until the first non-indented line 

the following should NOT match 

+ VAR some = sould not be matched, because the line isn't indented 
+ VAR some = sould not be matched, because the line isn't indented at least with TWO spaces or one tab 
    + SOME name = value not matched because the SOME isn't VAR or CONST 

：

while($text =~/
      (?m)   # multiline match 
      ^    # at the start of the line 
      ([ ]{2}|\t)+ # two spaces or tab - at least once 
      \+    # the '+' character 
      \s*    # followed by any number of spaces (e.g. "+VAR" or "+ VAR" are valid) 
      (VAR|CONST)  # the VAR or CONST 
      \s+    # followed at least one space (e.g. the "VAR_" should not matched) 
      (\w+)   # the keyword 
      \s*=\s*   # the '=' surrounded (and consumed) by any number of spaces 
      (    # capture the whole value (as it is) 
        .*      # any string up to end of line 
        (?:      # followed by (non-capturing group) 
          \R    # one line-break 
          ^    # at the start of the line 
          (?>[ ]{2,}|\t+) # atomic group - at least two spaces or at least one tab 
          [^+]   # followed by any character but '+' 
          .*    # any string up the end of line 
        )*    # any number of times (e.g. optionally) 
      ) 
    /xg) { 
      push @match, { indent => $1, type => $2, key => $3, val => $4 }; 
    } 

---

EDIT2そして、はい、正規表現ベースのソリューション：受け入れ答えを使用して、希望のキャプチャグループを追加するには、次のようになりました34％高速です（少なくとも私のHWでは）。

Answer 1

正規表現：

リテラルの空白文字がIGN単純です：あなたの2番目の質問へ

(?:    # Start of non-capturing group (a) 
    \R    # One line-break 
    ^   # Start of line 
    (?> +|\t+) # At least two spaces or one tab character (possessively) 
    [^+\s]   # Not followed by `+` or a newline character 
    .*    # Up to end of line 
)*     # Repeat it as much as possible - end of non-capturing group (a) 

回答：

(?m)^(?: +|\t+)\+ *(?:VAR|CONST) *\w+ *=.*(?:\R^(?> +|\t+)[^+\s].*)* 

Live demo

重要な部分は、最後のクラスタでありますあなたが文字クラス[ ]にそれを囲み、表示されるべき時間を表現するために量指定子[ ]{2,}を使用しない限り、x修飾子が設定されている間は正規表現の意味のある部分として扱われます。

/ 
    (?m) 
    ^
    (?: 
     [ ]{2,} 
     | 
     \t+ 
    )\+ 
    [ ]* 
    (?: 
     VAR 
     | 
     CONST 
    ) 
    [ ]*\w+[ ]*=.* 
    (?: 
     \R 
     ^
     (?> 
      [ ]{2,} 
      | 
      \t+ 
     ) 
     [^+\s].* 
    )* 
/x 

Live demo