代码之家 › 专栏 › 技术社区 › polygenelubricants

使用同一组捕获<thisPartOnly>和(thisPartOnly)

capturing-group regex java

polygenelubricants · 技术社区 · 14 年前

假设我们有以下输入:

<amy>
(bob)
<carol)
(dean>

我们还有以下正则表达式:

<(\w+)>|\((\w+)\)

as seen on rubular.com

<amy> 是一场比赛, \1 捕获 amy , \2 失败
(bob) 是一场比赛, 捕获 bob , \1

这个正则表达式实现了我们想要的大部分功能,包括:

正确匹配开闭式支架(即不混合)

但是,它确实有一些缺点:

重复捕获模式(即“主要”部分)
- 只是 \w+
  - 如果涉及反向引用,则必须为每个备用项重新编号!
这些组基本上是重复的
- 根据哪些备选匹配项,我们必须查询不同的组
  - 只是或 \2 在这种情况下,但一般的“主要”部分可以有自己的捕获组!
- 这不仅不方便,而且可能存在不可行的情况(例如,当我们使用仅限于查询一个组的自定义regex框架时)
{...} , [...] 等等。

我们如何做到这一点而不重复“主要”模式?

注:我最感兴趣的是 java.util.regex 口味,但欢迎其他口味。

让我们把上面的例子带到下一步:我们现在要匹配这些:

<amy=amy>
(bob=bob)
[carol=carol]

<amy=amy)   # non-matching bracket
<amy=bob>   # left hand side not equal to right hand side

使用另一种技术,我们有以下几种方法( as seen on rubular.com ):

<((\w+)=\2)>|\(((\w+)=\4)\)|\[((\w+)=\6)\]

主要模式不能简单地重复;反向引用必须重新编号
重复也意味着维护噩梦,如果它曾经改变
根据哪个备选匹配项,我们必须查询 \1 \2 \3 \4 ,或 \5 \6

6 回复 | 直到 14 年前

Alan Moore Chris Ballance 14 年前

在进行真正的匹配之前,可以使用lookahead来“锁定”组号。

String s = "<amy=amy>(bob=bob)[carol=carol]";
Pattern p = Pattern.compile(
  "(?=[<(\\[]((\\w+)=\\2))(?:<\\1>|\\(\\1\\)|\\[\\1\\])");
Matcher m = p.matcher(s);

while(m.find())
{
  System.out.printf("found %s in %s%n", m.group(2), m.group());
}

found amy in <amy=amy>
found bob in (bob=bob)
found carol in [carol=carol]

"(?=[<(\\[{]((\\w+)=\\2))(?:<\\1>|\\(\\1\\)|\\[\\1\\]|\\{\\1\\})"

Amadan 14 年前

在preg(Perl Regex库)中,这将匹配您的示例,并且 \3

((<)|\()(\w+)(?(2)>|\))

它取决于条件运算符 (?(2)...|...) 2 不

更新

另外,对于你的阑尾(即使它是错误的方言):

(?:(<)|(\()|\[)(\w+)=\3(?(1)>|(?(2)\)|]))

这个名字又出现了 \3 (我去掉了第一个捕获的paren,但我不得不为一个额外的打开paren检查添加另一个)

polygenelubricants 14 年前

我能想到的唯一解决办法是,用不同的交替方式捕捉空字符串的技术;稍后对这些组的反向引用可以用作伪条件。

因此,此模式适用于第二个示例( as seen on rubular.com

                  __main__
                 /        \
(?:<()|\(()|\[())((\w+)=\5)(\1>|\2\)|\3\])
\_______________/          \_____________/
    \1   \2   \3

所以本质上,对于每个开始的括号,我们分配一个组来捕获一个空字符串。然后,当我们尝试匹配右括号时,我们会看到哪个组成功,并匹配相应的右括号。

“main”部分不必重复,但在Java中,backreference可能需要重新编号。这在支持命名组的风格中不会是问题。

Toto 14 年前

$str = q/<amy=amy> (bob=bob) [carol=carol] <amy=amy) <amy=bob>/;
$re = qr/(?:<((\w+)=\2)>|\(((\w+)=\4)\)|\[((\w+)=\6)\])+/;
@list = ($str =~ /$re/g);
for(@list) {
    say $i++," = ",$_;
}

Peter Boughton 14 年前

当你遇到这样的情况时,使用一个regex是一个愚蠢的限制,我根本不同意你使用多个regex的“维护噩梦”——重复几次类似但不同的表达式很可能是错误的更多与一个过于复杂的正则表达式相比,它是可维护的(好吧,不那么不可维护),甚至可能有更好的性能。

下面是一些伪代码:

Brackets = "<>,(),[]"
CoreRegex = "(\w+)=\1"

loop CurBracket in Brackets.split(',')
{
    Input.match( Regex.quote(CurBracket.left(1)) & CoreRegex & Regex.quote(CurBracket.right(1)) )
}

(顺便说一句,这只是给出一个大概的想法——在实际实现中,我可能会对括号集使用已经转义的数组)。

Frank 14 年前

您可以有一个函数,可能如下所示(我在这里使用C#语法,因为我在这里比在Java中更熟悉regex,但将其改编为Java应该不会太困难)。

请注意,我或多或少没有实现AdaptBackreferences()函数 作为对读者的练习 . 它应该调整反向引用编号。

    struct BracketPair {public string Open; public string Close;};

    static string[] MatchTextInBrackets(string text, string innerPattern, BracketPair[] bracketPairs) {
        StringBuilder sb  = new StringBuilder();

        // count number of catching parentheses of innerPattern here:
        int numberOfInnerCapturingParentheses = Regex.Match("", innerPattern).Groups.Count - 1;

        bool firstTime = true;
        foreach (BracketPair pair in bracketPairs) {
            // apply logic to change backreference numbering:
            string adaptedInnerPattern = AdaptBackreferences(innerPattern);
            if (firstTime) { firstTime = false; } else { sb.Append('|'); }
            sb.Append(pair.Open).Append("(").Append(adaptedInnerPattern).Append(")").Append(pair.Close);
        }
        string myPattern = sb.ToString();
        MatchCollection matches = Regex.Matches(text, myPattern);
        string[] result = new string[matches.Count];
        for(int i=0; i < matches.Count; i++) {
            StringBuilder mb = new StringBuilder();
            for(int j=0; j < bracketPairs.Length; j++) {
                mb.Append(matches[i].Groups[1 + j * (numberOfInnerCapturingParentheses + 1)]); // append them all together, assuming all exept one are empty
            }
            result[i] = mb.ToString();
        }
        return result;
    }

    static string AdaptBackreferences(string pattern) { return pattern; } // to be written