修复正则表达式以解决ICU / RegexKitLite错误

Question

我正在使用RegexKitLite，后者又使用ICU作为引擎。尽管有文档，但在搜索“xxxxxxxxxxx”时，像/ x * /这样的正则表达式将匹配空字符串。它的行为类似于/ x *？/ should。我想在它出现时绕过这个bug，我正在考虑在正则表达式匹配返回0长度结果时将任何未转义的*重写为+。我天真的猜测是，带有+ s的正则表达式将始终返回正确结果的子集。这有什么意想不到的后果？我走对了路吗？

FWIW，ICU也提供* +运算符，但它也不起作用。

编辑：我应该更清楚：这是针对交互式应用的搜索字段。我无法控制用户输入的正则表达式。破碎的*支持似乎是ICU中的一个错误。我当然希望我不需要在我的代码中包含该POS，但它是城里唯一的游戏。

Answer 1

如果您只是将每个*量词更改为+，那么正则表达式将无法在* 应匹配零次的情况下起作用。换句话说，问题将从始终匹配零变为从不匹配零。如果你问我，这两种方式都没用。

但是，您可以单独处理零事件情况，使用负向前瞻。例如，x*可以重写为(?:(?!x)|x+)。我知道这很可怕，但这是我目前可以设想的最独立的解决方案。你也必须为占有星（*+）而不是不情愿的星（*?）这样做。

这是表格形式：

BEFORE       AFTER
x*           (?:(?!x)|x+)
x*+          (?:(?!x)|x++)
x*?          x*?

更复杂的原子需要保留自己的括号：

(?:xyz)*     (?:(?!(?:xyz))|(?:xyz)+)

你可能会将它们放在前瞻中，但它们除了可读性之外不会伤害任何东西，无论如何这都是一个失败的原因。 ：D如果{min,}和{min,max}形式也受到影响，它们将得到相同的处理（对占有变体进行相同的修改）：

x{0,}        same as x*
x{0,n}       (?:(?!x)|x{1,n})

我觉得条件 - (?(condition)yes-pattern|no-pattern) - 在这里是完美的契合;不幸的是，ICU似乎并不支持他们。

Answer 2

我不能说有问题的代码出了什么问题，但我可以放心地说这个特定的错误不在ICU库中。 （我是ICU正则表达式包的作者。）

我同意上面表达的观点，要做的事情不是试图通过调整正则表达式模式来解决问题，而是要了解底层问题是什么。可能存在一些简单的错误，从原始问题中看不清楚。

Answer 3

\*和[*]都是文字星号，因此天真的替代品可能不起作用。

事实上，不要做动态重写，这太复杂了。首先尝试静态调整你的正则表达式。

x*相当于x{0,}和(?:x+)?。

Answer 4

是的，使用那个策略：
（伪代码）

if（$ str =〜/ x * /＆amp;＆amp; $ str =〜/（x +）/）{    打印“'$ 1'\ n”; }

但真正的问题是你说的BUG。为什么地球上量词的基本结构被搞砸了？这不是您应该在代码中包含的模块。