Регекс, що підтверджує регулярний вираз [закрито]


17

Створіть регулярний вираз, який буде приймати рядок регулярного виразу як вхідний і перевірити, чи він дійсний. По суті, ваш регулярний вираз повинен мати можливість перевірити себе. (Будь-який недійсний регулярний вираз не повинен бути підтверджений, тому його не можна використовувати .*.;))

Ваш смак повинен повністю підтримуватися добре відомими реалізаціями (Perl, sed, grep, gawk тощо), і він повинен повністю підтримувати те, що підтримують ці реалізації. [Не турбуйтеся про те, що говорять адвокати; Я просто намагаюся видалити всі можливі лазівки для розумних *** ес.]


Я б це, але я переживаю, що це дасть перевагу тим, хто знає та використовує несисті смаки. Або мої турботи безпідставні?


8
Неможливо, довільні дужки вставки роблять регулярний вираз граматикою вільного контексту (замінюючи його польською нотацією також потрібен стек)
храповик виродка

@ratchet Augh, ти можеш мати рацію.
Mateen Ulhaq

1
існують деякі розширення на звичайних мовах, які можуть дозволити відповідність дужок, але я не знаю, як це зробити
ratchet freak

8
Це може бути можливим за допомогою регексів Perl.
Пітер Тейлор

1
@BrianVandenberg регулярні вирази, реалізовані в сучасних мовах, є майже всіма нерегулярними ... як тільки ви додасте зворотні параметри, ви можете зіставити нерегулярні мови. Більше того, Perl / PCRE і .NET досить потужні, щоб відповідати правильному вкладенню.
Мартін Ендер

Відповіді:


22

Рубін

Я спробував максимально співставити фактичний синтаксис аромату регулярного виразка Рубі, але є кілька химерностей: він приймає декілька поглядів, які насправді є недійсними (як (?<=(?<!))), і він розпізнає порожні діапазони символів, як D-A. Останній міг би бути виправлений для ASCII, але регулярний вираз достатньо довгий.

\A(?<main>
    (?!
        \{(\d+)?,(\d+)?\} # do not match lone counted repetition
    )
    (?:
        [^()\[\]\\*+?|<'] | # anything but metacharacters
        (?<cclass>
            \[ \^? (?: # character class
                (?: # character class
                    [^\[\]\\-] | # anything but square brackets,  backslashes or dashes
                    \g<esc> |
                    \[ : \^? (?: # POSIX char-class
                        alnum | alpha | word | blank | cntrl | x?digit | graph | lower | print | punct | space | upper
                    ) : \] |
                    - (?!
                        \\[dwhsDWHS]
                    ) # range / dash not succeeded by a character class
                )+ |
                \g<cclass> # more than one bracket as delimiter
            ) \]
        ) |
        (?<esc>
            \\[^cuxkg] | # any escaped character
            \\x \h\h? | # hex escape
            \\u \h{4} | # Unicode escape
            \\c . # control escape
        ) |
        \\[kg] (?:
            < \w[^>]* (?: > | \Z) |
            ' \w[^']* (?: ' | \Z)
        )? | # named backrefs
        (?<! (?<! \\) \\[kg]) [<'] | # don't match < or ' if preceded by \k or \g
        \| (?! \g<rep> ) | # alternation
        \( (?: # group
            (?:
                \?
                (?:
                    [>:=!] | # atomic / non-capturing / lookahead
                    (?<namedg>
                        < [_a-zA-Z][^>]* > |
                        ' [_a-zA-Z][^']* ' # named group
                    ) |
                    [xmi-]+: # regex options
                )
            )?
            \g<main>*
        ) \) |
        \(\?<[!=] (?<lbpat>
            (?! \{(\d+)?,(\d+)?\} )
            [^()\[\]\\*+?] |
            \g<esc>  (?<! \\[zZ]) |
            \g<cclass> |
            \( (?: # group
                (?:
                    \?: |
                    \? \g<namedg> |
                    \? <[!=]
                )?
                \g<lbpat>*
            ) \) |
            \(\?\# [^)]* \)
        )* \)
        |
        \(\? [xmi-]+ \) # option group
        (?! \g<rep> ) 
        |
        \(\?\# [^)]*+ \) # comment
        (?! \g<rep> )
    )+
    (?<rep>
        (?:
            [*+?] | # repetition
            \{(\d+)?,(\d+)?\} # counted repetition
        )
        [+?]? # with a possessive/lazy modifier
    )?
)*\Z

Нечитаемая версія:

\A(?<main>(?!\{(\d+)?,(\d+)?\})(?:[^()\[\]\\*+?|<']|(?<cclass>\[\^?(?:(?:[^\[\]\\-]|\g<esc>|\[:\^?(?:alnum|alpha|word|blank|cntrl|x?digit|graph|lower|print|punct|space|upper):\]|-(?!\\[dwhsDWHS]))+|\g<cclass>)\])|(?<esc>\\[^cuxkg]|\\x\h\h?|\\u\h{4}|\\c.)|\\[kg](?:<\w[^>]*(?:>|\Z)|'\w[^']*(?:'|\Z))?|(?<!(?<!\\)\\[kg])[<']|\|(?!\g<rep>)|\((?:(?:\?(?:[>:=!]|(?<namedg><[_a-zA-Z][^>]*>|'[_a-zA-Z][^']*')|[xmi-]+:))?\g<main>*)\)|\(\?<[!=](?<lbpat>(?!\{(\d+)?,(\d+)?\})[^()\[\]\\*+?]|\g<esc>(?<!\\[zZ])|\g<cclass>|\((?:(?:\?:|\?\g<namedg>|\?<[!=])?\g<lbpat>*)\)|\(\?#[^)]*\))*\)|\(\?[xmi-]+\)(?!\g<rep>)|\(\?#[^)]*+\)(?!\g<rep>))+(?<rep>(?:[*+?]|\{(\d+)?,(\d+)?\})[+?]?)?)*\Z

28
Хіба вони обидві нечитані версії?
Kibbee

2
@Kibbee Перший з них легко читається, якщо ви добре знаєте регулярний вираз.
Lowjacker

1
Як це гарантує відсутність недійсних числових зворотних посилань?
Мартін Ендер

1
Я думаю, це не так. Знову ж таки, це не єдине обмеження, яке воно має (див. Вище). Деякі речі можна було б виправити, але регулярний вираз став би смішно довгим.
Lowjacker
Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.