将Perl正则表达式转换为等效的ECMAScript正则表达式

Convert Perl regular expression to equivalent ECMAScript regular expression

本文关键字：正则表达式 ECMAScript Perl 转换      更新时间：2023-10-16

现在我使用的是VC++2010，但VC++2010的syntax_option_type只包含以下选项：

static const flag_type icase = regex_constants::icase;
static const flag_type nosubs = regex_constants::nosubs;
static const flag_type optimize = regex_constants::optimize;
static const flag_type collate = regex_constants::collate;
static const flag_type ECMAScript = regex_constants::ECMAScript;
static const flag_type basic = regex_constants::basic;
static const flag_type extended = regex_constants::extended;
static const flag_type awk = regex_constants::awk;
static const flag_type grep = regex_constants::grep;
static const flag_type egrep = regex_constants::egrep;

它不包含perl_syntax_group(Boost Library有此选项)但是，我不想使用Boost库

有很多正则表达式是用Perl编写的，所以我想将现有的Perl正则表达式转换为ECMAScript(或VC++2010支持的任何一个)。转换后，我可以直接在VC++2010中使用等效的正则表达式，而无需使用第三方库。

一个例子：

const boost::tregex e(__T("\A(\d{3,4})[- ]?(\d{4})[- ]?(\d{4})[- ]?(\d{4})\z"));
const CString human_format = __T("$1-$2-$3-$4");
CString human_readable_card_number(const CString& s)
{
return boost::regex_replace(s, e, human_format);
}
CString credit_card_number = "1234567887654321";
credit_card_number = human_readable_card_number(credit_card_number);
assert(credit_card_number == "1234-5678-8765-4321");

在上面的示例中，我想做的是将e和format转换为ECMAScript样式的表达式。

是否可以找到一种通用方法将所有Perl正则表达式转换为ECMAScript样式？有什么工具可以做到这一点吗

任何帮助都将不胜感激！

对于要转换的特定正则表达式，ECMA正则表达式中的等效项为：

/^(d{3,4})[- ]?(d{4})[- ]?(d{4})[- ]?(d{4})$/

在这种情况下，A(在Perl正则表达式中)与^(在ECMA正则表达式中，)(匹配字符串的开头)具有相同的含义，而Z(在Perl regex中)与$(在ECMA-regex中，)具有相同含义(匹配字符串结尾)。请注意，如果启用多行模式，ECMA regex中^和$的含义将更改为匹配行的开头和结尾。

ECMA正则表达式是Perl正则表达式的一个子集，因此，如果正则表达式在Perl正则表达式中使用独占功能，则很可能无法转换为ECMA正则函数。即使对于相同的语法，regex的两种方言之间的语法含义也可能略有不同，因此查看文档并比较用法总是明智的。

我只想说明ECMA正则表达式和Perl正则表达式之间的相似之处。什么是不相似的，但可转换的，我会尽我所能提到它。

ECMA-regex缺少与Unicode配合使用的功能，这迫使您查找代码点并将其指定为字符类。

根据Perl正则表达式的文档：

  • 修改器：
    • ECMA标准中只有i、g和m，它们的行为与Perl中的相同
    • s点全修饰语可以在ECMA正则表达式中使用两个互补字符类来模拟，例如[Ss]、[Dd]
    • 无论如何都不支持x和p标志
    • 我不知道是否有任何方法可以模拟其余部分(前缀和后缀修饰符)
  • 元字符：
    • 我对将与非元字符一起使用有点怀疑，该字符不会解析为任何特殊含义，但如果你不在不需要的地方转义，那应该没问题。ECMA中的.排除了更多的字符。其余部分在ECMA正则表达式中表现相同(m标志对^和$的影响相同)
  • 定量器：贪婪和懒惰的行为应该是一样的。ECMA正则表达式中没有所有格行为
  • 转义序列：
    • ECMA正则表达式中没有a和e。t、n、r、f相同
    • 如果正则表达式具有cX，请查看文档-存在差异
    • xhh在ECMA正则表达式和Perl正则表达式中很常见(指定2个十六进制数字是最安全的，否则，您必须查阅文档，了解该语言将如何处理少于2个十六进位数字的情况)
    • uhhhh是ECMA正则表达式的专用功能，用于指定Unicode字符。Perl还有其他专用方式来指定字符，如x{}、N{}、o{}、00
    • l、u、L、U是Perl正则表达式的专属
    • CCD_ 43和CCD_
    • Perl正则表达式中的八进制转义(少于3个八进制数字)可能会令人困惑。仔细检查上下文，阅读文档，和/或测试正则表达式，以确保您理解它在上下文中的作用，因为它可能是转义序列或反向引用
  • 字符类和其他特殊转义：
    • w、W、s、S、d、D在ECMA正则表达式和Perl正则表达式中是等效的，如果假设US-ASCII。如果涉及Unicode，事情就会一团糟
    • ECMA正则表达式中没有POSIX字符类。使用上面的w、s、d或在字符类中指定自己
    • 反向引用基本相同，但我不知道它是否允许Perl和ECMA regex的反向引用超过9
    • 命名引用可以通过反向引用进行模拟
    • ECMA正则表达式不支持其余部分([]和前面提到的转义序列除外)
  • 断言：
    • b和B在两种语言中都是等价的，因为它们是如何基于w定义的
  • 捕获组：分组()和反向引用相同。$n在替换字符串中用于支持对匹配文本的引用，也是一样的。本节的其余部分是Perl独有的功能
  • 引用元字符：(前面章节中已经提到的内容)
  • 扩展模式：
    • ECMA正则表达式不支持修改正则表达式中的标志。根据标志的内容，您可以重写正则表达式(s标志始终可以转换为ECMA正则表达式中的等效表达式)
    • Perl和ECMA之间只有(?:pattern)(非捕获组)、(?=pattern)(正向超前)和(?!pattern)(反向超前)是常见的
    • ECMA正则表达式中没有注释，因此可以忽略(?#text)
    • ECMA正则表达式中不支持Look behinds。Perl支持固定宽度的look-behind。在某些情况下，用Perl编写的带有正look-behind的regex可以通过使look-behead成为一个捕获组而转换为ECMA regex
    • 如前所述，命名模式可以转换为普通捕获组，并可以使用编号后的引用引用
    • 剩下的是Perl独有的功能
  • 特殊的回溯控制谓词：这是Perl独有的，我不知道它们做什么(以前从未接触过它们)，更不用说转换了。最有可能的情况是，它们无论如何都是不可兑换的

    • 结论：

    如果正则表达式充分利用Perl正则表达式的功能，或者达到Boost库支持的级别(例如递归正则表达式)，则不可能将正则表达式转换为ECMA正则表达式。幸运的是，ECMA-regex涵盖了最常用的功能，因此regex很可能是可转换的。

    参考：

    MDN 上的ECMA RegExp参考

    相关文章：