Regex, который соответствует xa? B? C? но не только один

Я пытаюсь написать регулярное выражение, которое соответствует xa? b? c? но не x. В действительности, "x", "a", "b" и "c" не являются одиночными символами, они являются умеренно сложными суб-выражениями, поэтому я пытаюсь избежать чего-то вроде x (abc | ab | ac | bc | | б | в). Есть ли простой способ сопоставить "по крайней мере один из a, b и c в этом порядке" в регулярном выражении, или мне не повезло?

Ответ 1

Имеет самую короткую версию:

(a)?(b)?(c)?(?(1)|(?(2)|(?(3)|(*FAIL))))

Если вам нужно обойти матч в отдельной группе, напишите это:

((a)?(b)?(c)?)(?(2)|(?(3)|(?(4)|(*FAIL))))

Но это не очень надежный случай, если a, b или c содержат группы захвата. Поэтому вместо этого напишите это:

(?<A>a)?(?<B>b)?(?<C>c)?(?(<A>)|(?(<B>)|(?(<C>)|(*FAIL))))

И если вам нужна группа для всего матча, напишите это:

(?<M>(?<A>a)?(?<B>b)?(?<C>c)?(?(<A>)|(?(<B>)|(?(<C>)|(*FAIL)))))

И, если мне нравится, вы предпочитаете многобуквенные идентификаторы, а также считаете, что подобные вещи безумны, не находясь в режиме /x, напишите это:

(?x)
(?<Whole_Match>
    (?<Group_A> a) ?
    (?<Group_B> b) ?  
    (?<Group_C> c) ?

    (?(<Group_A>)           # Succeed 
      | (?(<Group_B>)       # Succeed
          | (?(<Group_C>)   # Succeed
              |             (*FAIL)
            )
        )
    )
 )

И вот полная программа тестирования, чтобы доказать, что все они работают:

#!/usr/bin/perl
use 5.010_000;

my @pats = (
    qr/(a)?(b)?(c)?(?(1)|(?(2)|(?(3)|(*FAIL))))/,
    qr/((a)?(b)?(c)?)(?(2)|(?(3)|(?(4)|(*FAIL))))/,
    qr/(?<A>a)?(?<B>b)?(?<C>c)?(?(<A>)|(?(<B>)|(?(<C>)|(*FAIL))))/,
    qr/(?<M>(?<A>a)?(?<B>b)?(?<C>c)?(?(<A>)|(?(<B>)|(?(<C>)|(*FAIL)))))/,
    qr{
        (?<Whole_Match>

            (?<Group_A> a) ?
            (?<Group_B> b) ?
            (?<Group_C> c) ?

            (?(<Group_A>)               # Succeed
              | (?(<Group_B>)           # Succeed
                  | (?(<Group_C>)       # Succeed
                      |                 (*FAIL)
                    )
                )
            )

        )
    }x,
);

for my $pat (@pats) {
    say "\nTESTING $pat";
    $_ = "i can match bad crabcatchers from 34 bc and call a cab";
    while (/$pat/g) {
        say "$`<$&>$'";
    }
}

Все пять версий производят этот вывод:

i <c>an match bad crabcatchers from 34 bc and call a cab
i c<a>n match bad crabcatchers from 34 bc and call a cab
i can m<a>tch bad crabcatchers from 34 bc and call a cab
i can mat<c>h bad crabcatchers from 34 bc and call a cab
i can match <b>ad crabcatchers from 34 bc and call a cab
i can match b<a>d crabcatchers from 34 bc and call a cab
i can match bad <c>rabcatchers from 34 bc and call a cab
i can match bad cr<abc>atchers from 34 bc and call a cab
i can match bad crabc<a>tchers from 34 bc and call a cab
i can match bad crabcat<c>hers from 34 bc and call a cab
i can match bad crabcatchers from 34 <bc> and call a cab
i can match bad crabcatchers from 34 bc <a>nd call a cab
i can match bad crabcatchers from 34 bc and <c>all a cab
i can match bad crabcatchers from 34 bc and c<a>ll a cab
i can match bad crabcatchers from 34 bc and call <a> cab
i can match bad crabcatchers from 34 bc and call a <c>ab
i can match bad crabcatchers from 34 bc and call a c<ab>

Сладкий, а??

РЕДАКТИРОВАТЬ: Для x в начальной части просто поставьте все x, которые вы хотите в начале матча, перед самой первой необязательной группой захвата для части a, так вот так:

x(a)?(b)?(c)?(?(1)|(?(2)|(?(3)|(*FAIL))))

или как это

(?x)                        # enable non-insane mode

(?<Whole_Match>
    x                       # first match some leader string

    # now match a, b, and c, in that order, and each optional
    (?<Group_A> a ) ?
    (?<Group_B> b ) ?  
    (?<Group_C> c ) ?

    # now make sure we got at least one of a, b, or c
    (?(<Group_A>)           # SUCCEED!
      | (?(<Group_B>)       # SUCCEED!
          | (?(<Group_C>)   # SUCCEED!
              |             (*FAIL)
            )
        )
    )
)

Тестовое предложение было построено без части x, поэтому он не будет работать для этого, но я думаю, что я показал, как я хочу это делать. Обратите внимание, что все x, a, b и c могут быть произвольно сложными шаблонами (да, даже рекурсивно), а не только одиночными буквами, и не имеет значения, используют ли они собственные нумерованные группы захвата, даже.

Если вы хотите посмотреть на это с помощью lookaheads, вы можете сделать это:

(?x)

(?(DEFINE)
       (?<Group_A> a)
       (?<Group_B> b)
       (?<Group_C> c)
)

x

(?= (?&Group_A)
  | (?&Group_B)
  | (?&Group_C)
)

(?&Group_A) ?
(?&Group_B) ?
(?&Group_C) ?

И вот что добавить в массив @pats в тестовой программе, чтобы показать, что этот подход также работает:

qr{
    (?(DEFINE)
        (?<Group_A> a)
        (?<Group_B> b)
        (?<Group_C> c)
    )

    (?= (?&Group_A)
      | (?&Group_B)
      | (?&Group_C)
    )

    (?&Group_A) ?
    (?&Group_B) ?
    (?&Group_C) ?
}x

Вы заметите, что мне все равно удается никогда не повторять никаких a, b или c даже с помощью метода lookahead.

Я побеждаю? ☺

Ответ 2

Не тривиально, если у вас нет взгляда.

x(ab?c?|bc?|c)

Ответ 3

Как насчет этого:

x(?:a())?(?:b())?(?:c())?(\1|\2|\3)

Пустые группы захвата после a, b и c всегда будут совпадать (пустая строка), если a, b или c совпадают в этом порядке.

Часть (\1|\2|\3) будет соответствовать только если в матче участвовала хотя бы одна из предыдущих групп. Поэтому, если у вас просто x, регулярное выражение не выполняется.

Каждая часть регулярного выражения будет оцениваться только один раз.

Конечно, если x, a, b и c являются более сложными подвыражениями, которые содержат группы захвата, вам необходимо соответственно отрегулировать числа обратных ссылок *.

Так как это регулярное выражение выглядит немного странно, здесь вербальная версия:

x          # Match x
(?:a())?   # Try to match a. If this succeeds, \1 will contain an empty string.
(?:b())?   # Same with b and \2.
(?:c())?   # Same with c and \3.
(\1|\2|\3) # Now try to match the content of one of the backreferences. 
           # This works if one of the empty parentheses participated in the match.
           # If so, the backref contains an empty string which always matches. 
           # Bingo!

Возможно, вам потребуется окружить это якорями (^ и $), если вы не возражаете против соответствия xb в строке cxba и т.д.

Например, в Python:

>>> r=re.compile(r"x(?:a())?(?:b())?(?:c())?(\1|\2|\3)$")
>>> for test in ("x", "xa", "xabc", "xba"):
...     m = r.match(test)
...     if m:
...         print("{} --> {}".format(test, m.group(0)))
...     else:
...         print("{} --> no match".format(test))
...
x --> no match
xa --> xa
xabc --> xabc
xba --> no match

* или, если ваш аромат регулярного выражения знает имена захваченных групп, вы можете использовать их, например

x(?:a(?P<a>))?(?:b(?P<b>))?(?:c(?P<c>))?((?P=a)|(?P=b)|(?P=c))

в Python/PCRE. В .NET(и, возможно, в других вариантах) даже законно иметь несколько групп захвата, которые используют одно и то же имя, что делает возможным еще одно упрощение:

x(?:a(?<m>))?(?:b(?<m>))?(?:c(?<m>))?\k<m>

Ответ 4

Как насчет чего-то вроде

x(?=[abc])a?b?c?

Ответ 5

Здесь самое короткое, что я мог бы придумать:

x(ab?c?|bc?|c)

Я считаю, что он соответствует критериям, сводя к минимуму повторение (хотя есть некоторые). Это также позволяет избежать использования каких-либо ожиданий или других выражений с интенсивным использованием процессора, что, вероятно, более ценно, чем сохранение длины строки регулярного выражения.

Эта версия повторяется c три раза. Вы можете адаптировать его так, чтобы чаще всего повторялись a или b, поэтому вы могли бы выбрать кратчайший из a, b и c, который будет повторяться три раза.

Ответ 6

Если вам абсолютно не нужно повторять a, b или c, это кратчайшее, простое регулярное выражение - при условии, что x представляет собой выражение с фиксированной длиной или что используемая вами реализация поддерживает переменную длину. Он использует негативный внешний вид, и, например, Perl будет умирать от переменной длины.

В принципе, это то, что вы говорите, перефразировали:

/(x)a?b?c?(?<!x)/;

Вот что он говорит: я хочу совместить xa? b? c? но когда я это считаю, я не хочу, чтобы последнее выражение было х.

Кроме того, он не будет работать, если совпадение для a, b или c заканчивается на x. (шляпка: tchrist)

Ответ 7

Если вам не нужно найти максимальное (жадное) совпадение, вы можете отбросить "в этом порядке", потому что если вы сопоставляете x(a|b|c) и игнорируете любой следующий текст, который вы уже сопоставили "по крайней мере, один из, b и c в этом порядке". Другими словами, если все, что вам нужно, это истинный/ложный ответ (соответствует ли он или нет), то x(a|b|c) достаточно. (Другое предположение: вы пытаетесь определить, соответствует ли входная строка совпадению, а не соответствует ли вся строка регулярному выражению. I.e. см. Вопрос @Alan Moore.)

Однако, если вы хотите определить максимальное совпадение или совпадение со всей входной строкой, вы можете использовать lookahead: x(?=(a|b|c))a?b?c?

Существует некоторая избыточность, но намного меньше, чем комбинаторный подход, который вы пытались избежать.