Question

起初我应该说我的正则表达式知识是https://regex101.com - 恭维。我不知道我是否错过了haskell部分或正则表达式部分：

我试图使用正则表达式来匹配网站的域名（stack.flow.com来自meta.stackoverflow.com）。对于演示，我使用简单的正则表达式＆＃34; [\ w] +。[\ w] + $＆＃34;在https://regex101.com正确行为。但是，在haskell：

_values[pos]

导致此行为的原因是什么？如何解决？

GHCI版本是7.10.3， regex-tdfa版本是1.2.1

Answer 1

我不确定，但\w似乎不受tdfa的支持。当我使用[A-Za-z0-9]时，输出正确

Prelude RX> "google.com" RX.=~ "[A-Za-z0-9]+\\.[A-Za-z0-9]+$" :: Bool
True

\\w被视为字符w字面上\\d字面上被视为字符d。

以下是可用于此软件包的符号（典型的DFA引擎行为。注意： - 此引擎也基于DFA）

[[:digit:]] - Digits ([0-9])
[[:alpha:]] - Alphabets ([A-Za-z])
[[:alnum:]] - Alphanumeric ([A-Za-z0-9])

所以，你也可以使用

Prelude RX> "www.www" RX.=~ "[[:alnum:]]+\\.[[:alnum:]]+$" :: Bool
True

Answer 2

我认为该软件包使用POSIX Extended Regular表达式。这就像rock321987观察到的那样，perl / pcre are not supported中使用的def memoize[I, O](f: I => O): I => O = new mutable.HashMap[I, O]() {self => override def apply(key: I) = self.synchronized(getOrElseUpdate(key, f(key))) }或\w序列，以及相对于当今强大的正则表达式引擎的功能非常有限。

Posix ERE确实提供了一些built-in, weird looking character classes，例如\d，相当于[:alnum:]。

很难找到真正简明的信息，但总结所提供的信息here，这就是你对POSIX ERE的看法：

字符类，或多或少，使用[A-Za-z0-9]括号，包括12个内置插件，如[]（字母数字）和[:alnum:]（字母）
dot [:alpha:] - 匹配任何内容
字符串锚点.和^
明星$ - 重复前0次或更多次
量词*，?，+，{n}和{n,m} - 重复在n和m之间的前面的标记零或一次，一次或多次，n次时间，分别是n次或更多次
与管道{n,}交替使用

......基本上就是这样。

Haskell正则表达式出乎意料地表现出来

2 个答案: