Regex sprawdzanie poprawności wyrażenia regularnego [zamknięte]

17

Zbuduj wyrażenie regularne, które zaakceptuje ciąg wyrażenia regularnego jako dane wejściowe i sprawdź, czy jest poprawne. Zasadniczo wyrażenie regularne powinno być w stanie samo się zweryfikować. (Wszelkie nieprawidłowe wyrażenia regularne nie powinny być sprawdzane, więc nie można ich użyć .*;))

Twój smak musi być w pełni obsługiwany przez dobrze znane implementacje (Perl, sed, grep, gawk itp.) I musi w pełni obsługiwać obsługę tych implementacji. [Nie martw się, że prawnik przemówi; Próbuję tylko usunąć wszelkie luki w inteligentnych wersjach ***.]


Grałbym w , ale obawiam się, że da przewagę tym, którzy znają i używają nie bogatych w smaki smaków. Czy moje obawy są bezpodstawne?

Mateen Ulhaq
źródło
8
nie jest możliwe, dowolne nawiasy zagnieżdżające sprawiają, że regex jest gramatyką wolną od kontekstu (zastąpienie go notacją polską również wymaga stosu)
maniak zapadkowy
@ratchet Augh, możesz mieć rację.
Mateen Ulhaq
1
istnieją pewne rozszerzenia zwykłych języków, które mogą pozwalać na dopasowanie nawiasów, ale nie wiem, jak to zrobić
maniak ratchet
8
Jest to możliwe dzięki wyrażeniom regularnym Perla.
Peter Taylor
1
@BrianVandenberg wyrażenia regularne zaimplementowane w nowoczesnych językach są prawie wszystkie nieregularne ... jak tylko dodasz odnośniki zwrotne, możesz dopasować nieregularne języki. Co więcej, zarówno Perl / PCRE, jak i .NET są wystarczająco mocne, aby dopasować prawidłowe zagnieżdżanie.
Martin Ender

Odpowiedzi:

22

Rubin

Próbowałem jak najlepiej dopasować faktyczną składnię smaku regularnego Ruby, ale jest kilka dziwactw: akceptuje kilka spojrzeń, które są rzeczywiście nieprawidłowe (jak (?<=(?<!))) i rozpoznaje puste zakresy znaków jak D-A. Ten ostatni można naprawić dla ASCII, ale wyrażenie regularne jest wystarczająco długie.

\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

Nieczytelna wersja:

\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
Lowjacker
źródło
28
Czyż nie są to nieczytelne wersje?
Kibbee,
2
@Kibbee Pierwszy z nich jest dość czytelny, jeśli dobrze znasz wyrażenia regularne.
Lowjacker
1
W jaki sposób zapewnia to brak nieprawidłowych odniesień numerycznych?
Martin Ender
1
Chyba nie. Z drugiej strony nie jest to jedyne ograniczenie (patrz wyżej). Niektóre rzeczy można naprawić, ale regex stałby się absurdalnie długi.
Lowjacker