Regex проверяющее регулярное выражение [закрыто]

17

Создайте регулярное выражение, которое будет принимать строку регулярного выражения в качестве входных данных, и проверьте, действительно ли это. По сути, ваше регулярное выражение должно быть в состоянии подтвердить себя. (Любое неправильное регулярное выражение не должно быть проверено, поэтому вы не можете использовать .*.;))

Ваш вариант должен полностью поддерживаться хорошо известными реализациями (Perl, sed, grep, gawk и т. Д.), И он должен полностью поддерживать то, что поддерживают эти реализации. [Не беспокойтесь о том, что адвокат говорит; Я просто пытаюсь удалить любые возможные лазейки для умных дерьмов.]


Я бы , но я боюсь, что это даст преимущество тем, кто знает и использует не богатые на вкус ароматы. Или мои заботы необоснованны?

Матин Улхак
источник
8
невозможно, произвольные вложенные скобки превращают регулярное выражение в контекстно-свободную грамматику (для ее замены на польскую запись также требуется стек)
ratchet freak
@ratchet Ауг, ты можешь быть прав.
Матин Улхак
1
Существуют некоторые расширения в обычных языках, которые могут позволять сопоставлять скобки, но я не знаю, как это сделать
трещотка урод
8
Это должно быть возможно с регулярными выражениями Perl.
Питер Тейлор
1
Регулярные выражения @BrianVandenberg, реализованные на современных языках, в значительной степени нерегулярны ... как только вы добавляете обратные ссылки, вы можете сопоставлять нерегулярные языки. Более того, и Perl / PCRE, и .NET достаточно мощны, чтобы соответствовать правильному вложению.
Мартин Эндер

Ответы:

22

Рубин

Я пытался максимально соответствовать фактическому синтаксису аромата регулярных выражений Ruby, но есть несколько изюминок: он принимает несколько недооцененных взглядов (например (?<=(?<!))), и распознает пустые диапазоны символов как D-A. Последнее может быть исправлено для ASCII, но регулярное выражение достаточно длинное.

\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 версия:

\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
источник
28
Разве они не нечитаемая версия?
Кибби
2
@ Kibbee Первый достаточно читабелен, если вы хорошо знаете регулярные выражения.
Lowjacker
1
Как это гарантирует, что нет недействительных числовых обратных ссылок?
Мартин Эндер
1
Я думаю, что нет. Опять же, это не единственное ограничение (см. Выше). Некоторые вещи можно исправить, но регулярное выражение станет смехотворно длинным.
Lowjacker