regex - 是否可以将多个Heredoc表达式与正则表达式匹配？

Question

是否有任何正则表达式引擎可让我匹配表达式上的多个heredoc字符串？例如，就像用Ruby编写的那样:

f <<FOO, 10, <<BAR, 20
some text
FOO
some more text
BAR

我坚决使用Perl风格的backrefs和递归调用，但是无法使 cross-serial dependencies正常工作(即，无法反转捕获的backrefs，因为 FOO应该在 BAR之前匹配)。我还想到了在.Net上平衡组，我 可以通过使用lookaheads来反转堆栈(我知道，这是 可怕的 hack)，如下所示:

(?:(?<x>foo|bar|baz)|\s)+(?(x)|(?!))\s*(?(x)(?=(.*?)(?<-x>(?<y>\k<x>)))){3}(?(x)(?!))(?:(?(y)(?<-y>\k<y>))|\s)+(?(x)(?!))(?(y)(?!))

(单击 here进行测试。)

这与 foo bar baz foo bar baz匹配，但是随后我必须添加一个手动计数器( {3})，因为前瞻性不会与 +重复，因为它不会消耗我假定的任何输入。因此，这不适用于任意情况(但是很接近!)。我当然可以用 {1000}或其他任何大数字代替它，这将回答我的问题，但是我想知道是否还有其他方法。

致谢:我知道将此类构造与正则表达式匹配不是一个好主意。我正在对此进行研究，我想知道是否有可能。如果是，请输入 please do not use it in production code。

Answer 1

由于您的主要问题是“正则表达式是否可能”，因此我想从分享我最喜欢的正则表达式信息站点开始。具体来说，How does the regex engine work?学习可以使您更好地了解正则表达式的工作原理，以及为何尝试摆脱定义明确的框框的原因，很快就会演变成 splinter 的灵魂和CPU。

尽管关键之处在于，正则表达式引擎在任何时候都只有2条信息。

我要匹配什么 token ？

字符串中的下一个标记是什么？

这很容易忘记，因为与 Steam 解析不同，正则表达式引擎在匹配失败时可以回溯(通常它会做很多事情)。而且CPU的速度足够快，每秒可能会导致数百万次故障!尽管Regex可能具有更多的存储空间，因为它可以匹配“dog之后的第一只猫”，但它只知道看到了“dog”一词，因为它目前正在cat中寻找c。或者换句话说，当前状态仅可能因为满足特定的先决条件才可能。

通过模式的有限数量的排列，足够长的正则表达式可以匹配任何内容。 (该正则表达式的长度可能会使灵魂/CPU崩溃，但在技术上是可能的)

模式不是有限的，例如“匹配数量相等的 a后跟相等数量的 b s”(例如“ab”，“aabb”，“aaabbb”等)。Regex没有机制来记住已看到多少个a，所以它不知道要匹配多少个b。您可以通过尝试匹配所有变体( ab|aabb|aaabbb|aaaabbbb|...)来解决此问题，但是解析起来会非常昂贵，而且由于我总是可以再添加一个Ab对，因此您将无法捕获每个有效输入。

所以说真的，你需要问自己两个问题

我是否想匹配有限数量的排列？

我的灵魂/CPU能否在这种正则表达式中生存？

相关的，您可能应该阅读 Nondeterministic finite automaton。由于您出于研究原因而询问，并且任何纯正则表达式引擎都是NDFA，因此有助于了解它们遭受相同的已知限制。

TL:DR;

使用纯正则表达式引擎...

实际上，是的，但是要付出灵魂的代价。
从理论上讲，不，完全没有。总是有一个有效的情况，您的正则表达式将失败。