四时宝库

程序员的知识宝库

正则表达式 API 技术验证与设计细化

昨天做了个简单的技术验证,基本达到了前文设想中的效果:

self.assertEqual(一个("a").表达(), r"a")
self.assertEqual(最多一个("#34;).一个("_", 大小写英文, 中文).任意个("_", 大小写英文, 数字, 中文).表达(),
    r'\$?[_a-zA-Z\u4e00-\u9fa5][_a-zA-Z0-9\u4e00-\u9fa5]*')

self.assertEqual(不是(反斜杠, 右小括号).表达(), r'[^\\\)]')

self.assertEqual(
    皆可(
        一个(反斜杠).一个(左小括号).分组(任意个(不是(反斜杠, 右小括号))).一个(反斜杠).一个(右小括号).表达(),
        一个(反引号).分组(任意个(不是(反引号))).一个(反引号).表达()
        ).表达(),
    r'\\\(([^\\\)]*)\\\)|`([^`]*)`')

下面尝试从目标、功能、具体设计等各方面做个规划(已开源在 gitee,戳文末)。

1 目标

正则表达式(regular expression)读写不易。通过此 API 生成正则表达式,对读和写两方面进行改进。

2 功能

2.1 易读方面

  • 相对 ?<= 这样的符号,API 命名的语义更明确
  • 可以省去正则表达式语法相关字符需要的反斜杠
  • 明确运算优先级,比如 | 和 (?<!) 等等

2.2 易写方面

借助 IDE 的辅助,可看到各接口和常量,可以省去记忆各种符号。下面是安装了此插件的效果:

2.3 潜在问题

  • 如需跨编程语言使用,需移植该 API
  • API 的表达往往比原本正则表达式冗长,需在可读与篇幅之间寻求平衡
  • API 的命名需要尽量准确简约,如果不与正则表达式语法一一对应,使用时可能需要更多适应

3 设计

3.1 大致思路

  1. 尽可能减少底层 API 的数量,尽量保持与正则表达式语法的一一对应。至于有些符号如 ^ ? 等等,一个有多种用处,需酌情看是否能合并到一个 API。
  2. 与 1 相关,底层 API 的功能尽量简单,不包含优化或者复杂的转换。
  3. 命名风格上,尽量使用两字或四字中文

3.2 正则常用语法的对应 API 示例

下面使用“规律”的缘由见此答:正则表达式是什么?

  • abc
    一个("abc")
  • ( 规律 )
    分组(规律)
  • 规律1 | 规律2
    皆可(规律1, 规律2)
  • ^, $
    开头, 结尾
  • 规律 *
    几个(规律)
  • 规律 +
    最少一个(规律)
  • 规律 {m}
    重复(规律, m)
  • 规律 {m, n}
    重复(规律, m, n)
  • 规律 ?
    最多一个(规律)
  • 规律 *?
    最小匹配(几个(规律))
  • 规律 +?
    最小匹配(最少一个(规律))
  • 规律 {m, n}?
    最小匹配(重复(规律, m, n))
  • [abc0-9]
    某字("abc", 数字)。这里原本也用“一个”命名,但 一个("abc") 就有了歧义(与上面第一个语法)
  • [^abc]
    不是("abc")
  • 规律2 (?= 规律1)
    规律2.后面是(规律1)
  • 规律2 (?! 规律1)
    规律2.后面不是(规律1)
  • (?<= 规律1) 规律2
    规律2.前面是(规律1)
  • (?<! 规律1) 规律2
    规律2.前面不是(规律1)

欢迎意见建议。

发表评论:

控制面板
您好,欢迎到访网站!
  查看权限
网站分类
最新留言
    友情链接