определить, соответствует ли регулярное выражение только строкам фиксированной длины - PullRequest
Новая
       4

определить, соответствует ли регулярное выражение только строкам фиксированной длины

3 голосов
/ 02 сентября 2010

Есть ли способ определить, соответствует ли регулярное выражение только строкам фиксированной длины? Моя идея будет сканировать на *, + и? Затем потребуется некоторая интеллектуальная логика для поиска {m, n}, где m! = N. Не нужно брать | оператор на счет.
Небольшой пример: ^ \ d {4} фиксированной длины; ^ \ d {4,5} или ^ \ d + имеют переменную длину

Я использую PCRE.

Спасибо.

Пол Прат

Ответы [ 3 ]

4 голосов
/ 02 сентября 2010

Что ж, вы могли бы использовать тот факт, что механизм регулярных выражений Python допускает только регулярные выражения фиксированной длины в утверждениях с задним числом: 

import re
regexes = [r".x{2}(abc|def)", # fixed
           r"a|bc",           # variable/finite
           r"(.)\1",          # fixed
           r".{0,3}",         # variable/finite
           r".*"]             # variable/infinite

for regex in regexes:
    try:
        r = re.compile("(?<=" + regex + ")")
    except:
        print("Not fixed length: {}".format(regex))
    else:
        print("Fixed length: {}".format(regex))

будет выводить 

Fixed length: .x{2}(abc|def)
Not fixed length: a|bc
Fixed length: (.)\1
Not fixed length: .{0,3}
Not fixed length: .*

I'mпредполагая, что само регулярное выражение допустимо.

Теперь, как Python узнает, является ли регулярное выражение фиксированной длины или нет?Просто прочитайте источник - в sre_parse.py есть метод с именем getwidth(), который возвращает кортеж, состоящий из наименьшей и наивысшей возможной длины, и, если они не равны в утверждении с задним взглядом, re.compile() вызовет ошибку,Метод getwidth() рекурсивно проходит через регулярное выражение: 

def getwidth(self):
    # determine the width (min, max) for this subpattern
    if self.width:
        return self.width
    lo = hi = 0
    UNITCODES = (ANY, RANGE, IN, LITERAL, NOT_LITERAL, CATEGORY)
    REPEATCODES = (MIN_REPEAT, MAX_REPEAT)
    for op, av in self.data:
        if op is BRANCH:
            i = sys.maxsize
            j = 0
            for av in av[1]:
                l, h = av.getwidth()
                i = min(i, l)
                j = max(j, h)
            lo = lo + i
            hi = hi + j
        elif op is CALL:
            i, j = av.getwidth()
            lo = lo + i
            hi = hi + j
        elif op is SUBPATTERN:
            i, j = av[1].getwidth()
            lo = lo + i
            hi = hi + j
        elif op in REPEATCODES:
            i, j = av[2].getwidth()
            lo = lo + int(i) * av[0]
            hi = hi + int(j) * av[1]
        elif op in UNITCODES:
            lo = lo + 1
            hi = hi + 1
        elif op == SUCCESS:
            break
    self.width = int(min(lo, sys.maxsize)), int(min(hi, sys.maxsize))
    return self.width
1 голос
/ 02 сентября 2010

Просто для удовольствия.

Предполагая, что регулярное выражение мы проверяем только с поддержкой +, *, ?, {m,n}, {n} и [...] (за исключением некоторого странного синтаксисакак []] и [^]]).Тогда регулярное выражение имеет фиксированную длину, только если оно следует грамматике: 

 REGEX     -> ELEMENT *
 ELEMENT   -> CHARACTER ( '{' ( \d+ ) ( ',' \1 )? '}' )?
 CHARACTER -> [^+*?\\\[] | '\\' . | '[' ( '\\' . | [^\\\]] )+ ']'

, которая может быть переписана в PCRE как: 

^(?:(?:[^+*?\\\[{]|\\.|\[(?:\\.|[^\\\]])+\])(?:\{(\d+)(?:,\1)?\})?)*$
0 голосов
/ 02 сентября 2010

Согласно регулярные-выражения.info , механизм PCRE поддерживает только регулярные выражения фиксированной длины и чередование внутри видоискателей.

Итак, если у вас есть действительное регулярное выражение, окружите его (?<= и ) и посмотрите, будет ли оно все еще компилироваться.Тогда вы знаете, что это либо фиксированный размер, либо чередование регулярных выражений фиксированного размера.

Я не уверен насчет чего-то вроде a(b|cd)e - это определенно не фиксированный размер, но он все равно может компилироваться.Вам нужно попробовать его (у меня не установлен C / PCRE).

...