主页 / coding / 问题 / 79182638
Accepted
Hovercouch
Asked: 2024-11-13 04:32:09 +0800 CST

Raku 中的“最佳正则表达式技巧”

  • 772

最佳正则表达式技巧是关于编写匹配r1但不匹配的正则表达式r2。他们给出的示例是一个匹配Tarzan（和"Tarzan and Jane"）但不匹配的正则表达式"Tarzan"。在经历了一些不起作用的事情之后，他们给出了“有史以来最好的正则表达式技巧”：

"Tarzan"|(Tarzan)

理论上，这会首先匹配“坏字符串”，跳过好字符串，但不将坏字符串包含在捕获组中。如果只出现好字符串，我们最后匹配它并将其包含在捕获组中。

“最佳正则表达式技巧”的一个缺点是，即使它没有捕获它，它仍然匹配 。例如，如果没有一些额外的样板，您就不能在条件中使用它吗？"Tarzan"

这是基于 PCRE 风格的正则表达式。Raku 使用完全不同的正则表达式符号。是否有可能更简单地完成这个技巧？理想情况下，这应该是可能的：

> ('"Tarzan"', 'Tarzan', '"Tarzan and Jane"') <<~~>> /some-regex/
(Nil ｢Tarzan｣ ｢Tarzan｣)
regex

4 个回答

  1. Best Answer

    首先，Raku 中“最佳正则表达式技巧”的直接但惯用的等价物：

    say ( .[0] for ( « '"Tarzan"' Tarzan '"Tarzan and Jane"' » «~~» / '"Tarzan"' | (Tarzan) / ) )

# (Nil ｢Tarzan｣ ｢Tarzan｣)

    笔记：

    • 我看到你熟悉 Raku 的«op» 元运算符构造，它可以简洁地映射多个输入的匹配。我使用它加上 Raku 的« ... » 术语引用构造来简洁地指定匹配输入。
    • 我在正则表达式模式中写了'"Tarzan"'而不是"Tarzan"。与旧的正则表达式方言不同，Raku 将正则表达式中的形式代码"foo"视为表示三个字符串。表示五个字符串的foo一种方法是写。"foo"'"foo"'
    • Raku 中的组捕获从零开始编号，而不是从一开始，因此组(Tarzan)捕获是捕获零。因此代码say不是。.[0].[1]

    有没有可能以更简单的方式完成这个技巧？

    可以说朝着正确方向迈出的一步是：

    say ( $_ for ( « '"Tarzan"' Tarzan '"Tarzan and Jane"' » «~~» / '"Tarzan"' <()> | <(Tarzan)> / ) )

# (｢｣ ｢Tarzan｣ ｢Tarzan｣)

    笔记：

    • <(...)>明确界定顶级捕获，将其从默认顶级捕获（捕获所有匹配的内容）缩小。
    • <()>表示顶层捕获为空。这不合理Nil，但根据您的需要可能就足够了。
    • <(Tarzan)>指定顶级捕获（与(Tarzan)指定第一个子捕获相反）。

    Raku 正则表达式的原始规范包含一些尚未实现的相关功能。它们可能有一天会被实现并提供更简单的解决方案。

    另请参阅@tshiono 的回答。

    另请参阅reddit 上@alatennaub 的精彩回答。

    • 8

  2. 正如您所提到的，Raku 使用了完全不同的正则表达式符号。请您尝试一下：

    > ('"Tarzan"', 'Tarzan', '"Tarzan and Jane"') <<~~>> / <!after \">Tarzan | Tarzan<!before \"> /

    结果：

    (Nil ｢Tarzan｣ ｢Tarzan｣)
    • <!after \">表示否定后发断言。
    • <!before \">表示否定前瞻断言。
    • 双引号字符必须转义。
    • 交替部分|可能被空格包围。
    • 6

  3. 理想情况下这应该是可能的：

    > ('"Tarzan"', 'Tarzan', '"Tarzan and Jane"') <<~~>> /some-regex/ 
(Nil ｢Tarzan｣ ｢Tarzan｣)

    这够接近了吗？

    > (('"Tarzan"', 'Tarzan', '"Tarzan and Jane"') <<~~>> / '"Tarzan"' || ('Tarzan') /)»[0] 
(Nil ｢Tarzan｣ ｢Tarzan｣)

    或者，在我看来更清楚一点：

    > (['"Tarzan"', 'Tarzan', '"Tarzan and Jane"'] «~~» / '"Tarzan"' || ('Tarzan') /)»[0] 
(Nil ｢Tarzan｣ ｢Tarzan｣)

    或者，如果你要一直使用“从匹配中提取第一个捕获”的习语，你甚至可以将~~and的组合定义[0]为一个新的运算符（这里，~~[0]

    my &infix:<~~[0]> = *[0] ∘ &[~~]; 
('"Tarzan"', 'Tarzan', '"Tarzan and Jane"') «~~[0]» / '"Tarzan"' || ('Tarzan') /;
# Returns (Nil ｢Tarzan｣ ｢Tarzan｣)

    但这可能有点过头了！（而且由于错误，必须在 REPL 中占一行）。

    （所有这些都建立在@alatennaub 的出色 reddit 答案之上，@raiph 已经提到过。查看该答案以了解如何完全避免匹配“Tarzan”，从而避免选择第一个捕获）

    • 5

  4. 和往常一样，我从@raiph 那里学到了很多东西，这个答案对他的答案进行了小小的改进，希望可以有更多的空间：

    my @tests = [ '"Tarzan"', 'Tarzan', '"Tarzan and Jane"' ];

my regex reg { 
    '"' ~ '"' 'Tarzan'              # non-capturing when double quoted
    |                               # otherwise
    ('Tarzan')                      # capture with ()  
} 
 
say .<reg>[0] for ( @tests «~~» /<reg>/ );

    笔记：

    1. « ... »我个人对引用这个词有点困惑
    2. 单独定义@tests和感觉更清晰regex
    3. 我喜欢@alatennaub 的呼吸空间和丰富的评论
    4. 我使用~波浪线来平衡两者的匹配"
    • 2

相关问题