regex - 如何访问由递归Perl正则表达式捕获的组？

Question

我正在尝试用perl regex修改一个简单的语法（请注意，这不是供生产使用的，只是为了提供编辑提示/完成内容而进行的快速分析）。例如，

my $GRAMMAR = qr{(?(DEFINE)
  (?<expr> \( (?&expr) \) | (?&number) | (?&var) | (?&expr) (?&op) (?&expr) )
  (?<number> \d++ )
  (?<var> [a-z]++ )
  (?<op> [-+*/] )
)}x;

我希望能够以此运行

$expr =~ /$GRAMMAR(?&expr)/;

然后访问所有变量名称。但是，根据 perlre，


请注意，在递归返回之后无法访问在递归内匹配的捕获组，因此捕获组的额外层是必需的。因此，即使$ + {NAME}被定义，也不会定义$ + {NAME_PAT}。


因此，显然这是不可能的。我可以尝试使用 (?{ code })块将变量名保存到哈希表中，但这不考虑回溯（即，即使变量回溯过去，赋值的副作用仍然存在）。

有没有办法让给定的命名捕获组捕获所有内容，包括递归匹配？还是我需要手动挖掘各个片段（从而复制所有图案）？

Answer 1

Regexp::Grammars解决的缺点之一就是必须添加捕获和回溯机制。

但是，您问题中的语法为left-recursive，Perl正则表达式和递归下降解析器均不会解析该语法。

使语法适应Regexp::Grammars并排除左递归产生

my $EXPR = do {
  use Regexp::Grammars;
  qr{
    ^ <Expr> $

    <rule: Expr>        <Term> <ExprTail>
               |        <Term>

    <rule: Term>        <Number>
               |        <Var>
               |        \( <MATCH=Expr> \)

    <rule: ExprTail>    <Op> <Expr>

    <token: Op>         \+ | \- | \* | \/

    <token: Number>     \d++

    <token: Var>        [a-z]++
  }x;
};

请注意，此简单语法为所有运算符赋予了相同的优先级，而不是“请打扰我亲爱的萨莉姨妈”。

您想要提取所有变量名，因此可以像这样遍历AST

sub all_variables {
  my($root,$var) = @_;

  $var ||= {};
  ++$var->{ $root->{Var} } if exists $root->{Var};
  all_variables($_, $var) for grep ref $_, values %$root;

  wantarray ? keys %$var : [ keys %$var ];
}

并用打印结果

if ("(a + (b - c))" =~ $EXPR) {
  print "[$_]\n" for sort +all_variables \%/;
}
else {
  print "no match\n";
}

另一种方法是为 Var规则安装自动操作，该规则记录成功解析变量的名称。

package JustTheVarsMaam;

sub new { bless {}, shift }

sub Var {
  my($self,$result) = @_;
  ++$self->{VARS}{$result};
  $result;
}

sub all_variables { keys %{ $_[0]->{VARS} } }

1;

称这个为

my $vars = JustTheVarsMaam->new;
if ("(a + (b - c))" =~ $EXPR->with_actions($vars)) {
  print "[$_]\n" for sort $vars->all_variables;
}
else {
  print "no match\n";
}

无论哪种方式，输出都是

[一个]
[b]
[C]