Question

在Scala的解析器组合器中（特别是JavaTokensParser），有一个与类似Java的字符串匹配的定义stringLiteral。

def stringLiteral: Parser[String] =
              ("\""+"""([^"\p{Cntrl}\\]|\\[\\'"bfnrt]|\\u[a-fA-F0-9]{4})*"""+"\"").r

不幸的是，这个正则表达式does not work for long strings。有没有人知道一个可重用的实现，或者对正则表达式的修改是否更节省空间？

Answer 1

有趣的问题!!

刚刚玩弄了这个，并想出了以下内容：

val r = ("\"" + "(?:[^\"\\p{Cntrl}\\\\]*|(?:\\\\(?:[\\\\'\"bfnrt]|u[a-fA-F0-9]{4}))*)*" + "\"").r

注意：上面的正则表达式是从第一个版本修复的...前导'\'和尾随字符都需要重复，而不仅仅是我原来拥有它的尾随字符！

编辑：找到更高效的正则表达式。使用以下内容，它可以解析最多950 \\ns对的字符串，而不是原始的，只能解析556，至少在我的默认配置中。

val r = ("\"" + "(?:[^\"\\p{Cntrl}\\\\]*|\\\\[\\\\'\"bfnrt]|\\\\u[a-fA-F0-9]{4})*" + "\"").r

编辑2：根据@schmmd的评论，我有一个更好的正则表达式。这个可以解析2500 \ns酷刑案件。秘诀就是使用贪婪的所有格修饰符，这基本上会关闭回溯的需要，因此也会关闭递归。

val r = (""""([^"\p{Cntrl}\\]*+(?:\\[\\'"bfnrt])*+(?:\\u[a-fA-F0-9]{4})*+)*+"""").r

解决方案的本质是每次匹配时尽可能多地尝试和咀嚼。

scala> val r = (""""([^"\p{Cntrl}\\]*+(?:\\[\\'"bfnrt])*+(?:\\u[a-fA-F0-9]{4})*+)*+"""").r
r: scala.util.matching.Regex = "([^"\p{Cntrl}\\]*+(?:\\[\\'"bfnrt])*+(?:\\u[a-fA-F0-9]{4})*+)*+"

scala> r.pattern.matcher("\"" + "\\ns" * 2500 + "\"").lookingAt
res4: Boolean = true

scala> r.pattern.matcher("\"" + "s" * 2500 + "\"").lookingAt
res5: Boolean = true

更新：已向scala人员提交了pull request。它被接受了。

正则表达式匹配Java字符串

1 个答案: