Question

我要解析： ([(A touch B) over C] touch {D touch E}) is good。

使用： ( P1 touch P2) is good。

我想用正则表达式替换P1和P2来获取 P1 = [(A touch B) over C] P2 = {D touch E} 我的第一个想法是： ( (.*) touch (.*)) is good。

但我错了匹配： P1 = [(A touch B) over C] touch {D P2 = E}

我想打破括号外的"touch"。注意：A, B, C... are examples所以我们应该使用.*

Answer 1

正则表达式匹配不能处理这种任意表达式，但大多数解析器都可以。在Tcl的Tcllib标准库中，pt（解析器工具）模块中有一个PEG（解析表达式语法）解析器生成器。下面定义了一个语法（作为一个简单的字符串），可以解析您的示例文本，以及同一类括号嵌套的文本：

set grammar {
PEG Reader (Datum)
      Datum       <- '(' <space>* P1 'touch' <space>* P2 ') is good' ;
      Word        <- <alpha>+ ;
      BrackExpr   <- '[' Expression+ ']' ;
      BraceExpr   <- '{' Expression+ '}' ;
      ParenExpr   <- '(' Expression+ ')' ;
void: Expression  <- (Word / BrackExpr / BraceExpr / ParenExpr) <space>* ;
      P1          <- Expression ;
      P2          <- Expression ;
END;
}

要使用此功能，您需要执行一些步骤。首先将生成的解析器保存在文件中：

package require fileutil
package require pt::pgen

fileutil::writeFile ./reader.tcl [pt::pgen peg $grammar oo -class Reader]

此代码创建一个文件reader.tcl，该文件包含执行语法中指定的解析的TclOO类。您source了该文件以使该课程可用：

source reader.tcl

如果要从控制台多次执行此操作，则需要在两者之间销毁该类：

catch {Reader destroy} ; source reader.tcl

然后你创建一个类的实例并将其投入使用：

Reader create reader
set str {([(A touch B) over C] touch {D touch E}) is good}
reader parset $str

（如果您使用parse方法，则可以解析开放频道。）

解析的结果是AST（抽象语法树）

Datum 0 47 {P1 1 21} {P2 28 38}

如您所见，它在字符串索引1到21处找到P1的文本，在28到38处找到P2的文本（请注意捕获尾随空格）。您可以使用string range $str 1 21获取P1的文本，或将其自动化：

proc Datum {from to args} {foreach arg $args {puts [uplevel 1 $arg]}}
proc P1 {from to} {string range $::str $from $to}
proc P2 {from to} {string range $::str $from $to}

% Datum 0 47 {P1 1 21} {P2 28 38}
[(A touch B) over C]
{D touch E}

如果您使用此功能，则可能需要尝试非终结Word的定义。目前它只允许使用字母字符。像

这样的定义

      Word        <- (<alnum> / [;:/&!?*+.\'\"#])+ ;

也允许数字和一些标点符号。包含更多内容的字符集，但<punct>，<graph>和<print>都包含括号字符。即使Expression的定义发生了变化

void: Expression  <- (BrackExpr / BraceExpr / ParenExpr / Word) <space>* ;

以便Word位于最后，这使得解析器在遇到开括号时选择其中一个*Expr非终结符，结束括号仍将由Word使用，而不是由li使用正确的非终结表达。 AFAICT这是PEG解析器的限制，它不会回溯。可以修改语法来处理这个问题，但很快就会变得太复杂。

文档： pt (package)

Answer 2

您可以使用与[...]之前的{...}或touch子字符串匹配的正则表达式模式，然后使用相同的模式。

看起来像

\((\[[^][]*]|{[^{}]*}) touch (\[[^][]*]|{[^{}]*})\) is good

请参阅regex demo at regex101。 (\[[^][]*]|{[^{}]*})构造是一个捕获组，它匹配除[和[以外的] + 0+个字符，然后匹配]或{{1除了{和{以及}之外，还有0 +个字符。

一句话：没有办法将嵌套平衡括号中的子串与Tcl正则表达式匹配。

使用Tcl代码时，您可以动态构建正则表达式：

输出：set txt {([(A touch B) over C] touch {D touch E}) is good} set squares {\[[^][]*\]} set braces {\{[^{}]*\}} set cap "($squares|$braces)" set rx "\$$cap touch $cap\$ is good"; lassign [lrange [regexp -all -inline $rx $txt] 1 end] P1 P2 puts "$P1 ::: $P2"。

请参阅Tcl online demo。

Tcl regexp表达式用于捕获括号外的单词

2 个答案: