约束

Question

我正在尝试构建一个对输入长度设置限制的正则表达式，但并非所有字符在此长度内都相等。我会把理由放在问题的最底层。举个简单的示例，我们将最大长度限制为12，仅允许a和b，但b计为3个字符。

允许：

aa（任何小于12的东西都可以。）
aaaaaaaaaaaa（确切地说是12可以）。
aaabaaab（6 + 2 * 3 = 12，很好）。
abaaaaab（仍为6 + 2 * 3 = 12）。

不允许是：

aaaaaaaaaaaaa（13 a）。
bbbba（1 + 4 * 3 = 13，这太多了。）
baaaaaaab（7 + 2 * 3 = 13，这太多了。）

我做了一个相当接近的尝试：

^(a{0,3}|b){0,4}$

这最多可匹配4个群集，可能包含0-3 a个或b个。

但是，它无法与我上一个正面示例匹配：abaaaaab，因为这会强制第一个群集在开头是单个a，为{{1}消耗第二个群集

约束

必须在JavaScript中运行。这个正则表达式提供给Qt，它显然使用了JavaScript的语法。
真的不需要快。最后它只适用于最多40个字符的字符串。我希望它能在50ms左右的时间内验证，但稍微慢一些是可以接受的。

原理

为什么我需要使用正则表达式执行此操作？

它是通过PyQt和QML在Qt中的用户界面。用户可以在此处的文本字段中键入配置文件的名称。此配置文件名称是url编码的（特殊字符由％XX替换），然后保存在用户的文件系统中。当用户键入许多特殊字符（例如中文）时会遇到问题，然后编码为非常长的文件名。事实证明，在17个字符的某个地方，这个文件名对于某些文件系统来说太长了。 URL编码编码为UTF-8，每个字符最多4个字节，文件名中最多12个字符（因为每个字符都有百分比编码）。

对于个人资料名称，16个字符太短。甚至我们的一些默认名称也超过了。我们需要基于这些特殊字符的变量限制。

Qt通常允许您指定Validator以确定文本框中可接受的值。我们尝试实现这样的验证器，但由于PyQt中的错误，导致了上游的段错误。目前似乎无法处理自定义Validator实现。但是，PyQt还公开了三个内置验证器。两个仅适用于数字。第三个是正则表达式验证器，允许您放置一个匹配所有有效字符串的正则表达式。因此需要这种正则表达式。

Answer 1

鉴于regexp的局限性，没有真正直接的方法可以做到这一点。您将需要测试所有组合，例如十三个b，最多一个a，十二个b最多四个a，等等上。我们将构建一个小程序来为我们生成这些程序。测试最多四个a的基本格式为

/^(?=([^a]*a){0,4}[^a]*$)/

我们会写一个小例程为我们创建这些前瞻，给出一些字母以及最小和最大出现次数：

function matchLetter(c, m, n) {
  return `(?=([^${c}]*${c}){${m},${n}}[^${c}]*$)`;
}

> matchLetter('a', 0, 4)
< "(?=([^a]*a){0,4}[^a]*$)"

我们可以将这些结合起来测试三个b，最多三个a：

/^(?=([^b]*b){3}[^b]*$)(?=([^a]*a){0,3}[^a]*$)/

我们将编写一个函数来创建这样的组合前瞻，它恰好匹配m c1次出现n次c2次出现{/ 1}}：

function matchTwoLetters(c1, m, c2, n) {
  return matchLetter(c1, m, m) + matchLetter(c2, 0, n);
}

我们可以使用它来匹配十二个b和最多四个a，总共四十个或更少：

> matchTwoLetters('b', 12, 'a', 1, 4)
< "(?=([^b]*b){12,12}[^b]*$)(?=([^a]*a){0,4}[^a]*$)"

只需为b的每个计数创建此版本，并将它们放在一起（对于最大计数为12的情况）：

function makeRegExp() {
  const res = [];
  for (let bs = 0; bs <= 4; bs++)
    res.push(matchTwoLetters('b', bs, 'a', 12 - bs*3));
  return new RegExp(`^(${res.join('|')})`);
}

> makeRegExp()
< "^((?=([^b]*b){0,0}[^b]*$)(?=([^a]*a){0,12}[^a]*$)|(?=([^b]*b){1,1}[^b]*$)(?=([^a]*a){0,9}[^a]*$)|(?=([^b]*b){2,2}[^b]*$)(?=([^a]*a){0,6}[^a]*$)|(?=([^b]*b){3,3}[^b]*$)(?=([^a]*a){0,3}[^a]*$)|(?=([^b]*b){4,4}[^b]*$)(?=([^a]*a){0,0}[^a]*$))"

现在你可以用

进行测试了

makeRegExp().test("baabaaa");

对于长度= 40的情况，regxp长度为679个字符。一个非常粗略的基准测试显示它在不到一微秒的时间内执行。

Answer 2

尝试使用以下内容：

^((a{1,3}|b){1,4}|(a{1,4}|a?b|ba){1,3}|((a{2,3}|b){2}|aaba|abaa){2})$

示例：https://regex101.com/r/yTTiEX/6

这将其分解为逻辑可能性：

4个部分，每个部分的值最多为3 3个部分，每个部分的值最多为4 2个部分，每个部分的值最多为6个。

Answer 3

如果要在存在多字节编码时计算字节数，可以使用此功能：

function bytesLength(str) {
  var s = str.length;
  for (var i = s-1; i > -1; i--) {
    var code = str.charCodeAt(i);
    if (code > 0x7f && code <= 0x7ff) {s++;}
    else if (code > 0x7ff && code <= 0xffff) {s+=2;}
    if (code >= 0xDC00 && code <= 0xDFFF) {i--;}
  }
  return s;
}

console.log(bytesLength('敗')); // length 3

正则表达式字符数，但有些计算为三

约束

原理

3 个答案: