.net - 用于类似 Gmail 的搜索的正则表达式

Question

我一直在尝试为类似 Gmail 的搜索找出一个正则表达式，即:

name:Joe surname:(Foo Bar)

...就像在 this topic .但略有不同:如果有没有 key: 的文本，它也被拆分了，所以:

foo:(hello world) bar:(-{bad things}) some text to search

会返回:

foo:(hello world)
bar:(-{bad things})
some text to search

Answer 1

使用 Regex 路由时面临的问题是遇到空格问题。可能有一个非常复杂的正则表达式来做到这一点，但对于一个简单的正则表达式，你会发现你的搜索不能包含关键字的空格，例如:

Works: site:mysite user:john
Fails: site:"my awesome site" user:john

这将失败，因为它基于空格进行标记。因此，如果需要空间支持，请继续阅读……

我建议要么使用 Lucene .NET 引擎的内置解析器为您提供标记，要么使用语法和解析器，例如 GoldParser、Irony 或 Antlr。

对于您想要的内容，这听起来可能太长和太复杂，但是已经为 GoldParser 编写了语法。做你正在做的事情，一旦语法完成，它实际上很容易。下面是语法的一个例子:

"Name"     = 'Spruce Search Grammar'
"Version"  = '1.1'
"About"    = 'The search grammar for Spruce TFS MVC frontend'

"Start Symbol" = <Query>

! -------------------------------------------------
! Character Sets
! -------------------------------------------------
{Valid} = {All Valid} - ['-'] - ['OR'] - {Whitespace} - [':'] - ["] - ['']
{Quoted} = {All Valid} - ["] - ['']

! -------------------------------------------------
! Terminals
! -------------------------------------------------
AnyChar    = {Valid}+
Or = 'OR'
Negate = ['-']
StringLiteral   = '' {Quoted}+ '' | '"' {Quoted}+ '"'

! -- Field-specific terms
Project     = 'project' ':'
...
CreatedOn   = 'created-on' ':'
ResolvedOn  = 'resolved-on' ':'
! -------------------------------------------------
! Rules
! -------------------------------------------------

! The grammar starts below
<Query> ::= <Query> <Keywords> | <Keywords>
<SingleWord> ::= AnyChar

<Keywords> ::= <SingleWord>
              | <QuotedString> 
              | <Or> 
              | <Negate> 
              | <FieldTerms>

<Or> ::= <Or> <SingleWord> 
        | Or Negate
        | Or <SingleWord>
        | Or <QuotedString>

<Negate> ::= <Negate> Negate <SingleWord>
            | <Negate> Negate <QuotedString>
            | Negate <SingleWord>
            | Negate <QuotedString>

<QuotedString> ::= StringLiteral

<FieldTerms> ::= <FieldTerms> Project | <FieldTerms> Description | <FieldTerms> State 
                | <FieldTerms> Type | <FieldTerms> Area | <FieldTerms> Iteration 
                | <FieldTerms> AssignedTo | <FieldTerms> ResolvedBy 
                | <FieldTerms> ResolvedOn | <FieldTerms> CreatedOn
                | Project 
                | <Description>
                | State 
                | Type 
                | Area 
                | Iteration 
                | CreatedBy
                | AssignedTo 
                | ResolvedBy
                | CreatedOn
                | ResolvedOn

<Description> ::= <Description> Description | <Description> Description StringLiteral
                | Description | Description StringLiteral

这为您提供了对以下内容的搜索支持:

resolved-by:john project:"amazing tfs project"

如果你看 Keywords token ，您可以看到它需要一个单字、一个 OR、一个带引号的字符串或一个否定(非)。当这个定义变得递归时，困难的部分就来了，你在 <Description> 中看到了这一点。部分。

语法称为 EBNF它描述了您的语言的格式。您可以在其中编写一些简单的内容，例如搜索查询解析器，或整个计算机语言。 Goldparser 解析标记的方式会限制您，因为它会提前查找标记 ( LALR )，因此 HTML 和 Wiki 语法等语言将破坏您尝试编写的任何语法，因为这些格式不会强制您关闭标记/ token 。 Antlr为您提供 LL(*) ，它更容易丢失起始标记/ token ，但对于搜索查询解析器而言，您无需担心。

我的语法和 C# 代码的代码文件夹可以在这个 project 中找到。 .

QueryParser是解析搜索字符串的类，语法文件是 .grm 文件，2mb 文件是 Goldparser 优化语法以基本上创建自己的可能性表的方式。 Calitha 是 GoldParser 的 C# 库，很容易实现。如果不写一个更大的答案，就很难准确描述它是如何完成的，但是一旦你编译了语法，它就相当简单了，Goldparser 有一个非常直观的 IDE 来编写语法和大量现有的语法，如 SQL、C#、我相信 Java 甚至是 Perl 正则表达式。

这不是一个 1 小时的快速修复，因为您可以从正则表达式中获得接近 2-3 天的时间，但是您确实学习了“正确”的解析方式。