C# 正規表現でキャプチャされたグループの名前を取得するにはどうすればよいですか?を読みました。.NET 正規表現で名前付きキャプチャ グループにアクセスするにはどうすればよいですか? 正規表現で一致したグループの結果を見つける方法を理解しようとすること。
また、 http: //msdn.microsoft.com/en-us/library/30wbz966.aspx で MSDN のすべてを読みました。
私には奇妙に思えますが、C# (または .NET) が正規表現の唯一の実装であり、グループを反復処理して (特に名前が必要な場合) どのグループが一致したかを見つけます。 t はグループ結果とともに保存されます。たとえば、PHP と Python は、RegEx 一致結果の一部として一致したグループ名を提供します。
グループを反復して一致を確認する必要があり、名前が結果に含まれていないため、独自のグループ名のリストを保持する必要があります。
ここに示すコードは次のとおりです。
public class Tokenizer
{
private Dictionary<string, string> tokens;
private Regex re;
public Tokenizer()
{
tokens = new Dictionary<string, string>();
tokens["NUMBER"] = @"\d+(\.\d*)?"; // Integer or decimal number
tokens["STRING"] = @""".*"""; // String
tokens["COMMENT"] = @";.*"; // Comment
tokens["COMMAND"] = @"[A-Za-z]+"; // Identifiers
tokens["NEWLINE"] = @"\n"; // Line endings
tokens["SKIP"] = @"[ \t]"; // Skip over spaces and tabs
List<string> token_regex = new List<string>();
foreach (KeyValuePair<string, string> pair in tokens)
{
token_regex.Add(String.Format("(?<{0}>{1})", pair.Key, pair.Value));
}
string tok_regex = String.Join("|", token_regex);
re = new Regex(tok_regex);
}
public List<Token> parse(string pSource)
{
List<Token> tokens = new List<Token>();
Match get_token = re.Match(pSource);
while (get_token.Success)
{
foreach (string gname in this.tokens.Keys)
{
Group group = get_token.Groups[gname];
if (group.Success)
{
tokens.Add(new Token(gname, get_token.Groups[gname].Value));
break;
}
}
get_token = get_token.NextMatch();
}
return tokens;
}
}
ラインで
foreach (string gname in this.tokens.Keys)
それは必要ではありませんが、そうです。
すべてのグループを反復することなく、一致するグループとその名前を見つける方法はありますか?
編集: 実装を比較します。これは、私が Python 実装用に書いたものと同じコードです。
class xTokenizer(object):
"""
xTokenizer converts a text source code file into a collection of xToken objects.
"""
TOKENS = [
('NUMBER', r'\d+(\.\d*)?'), # Integer or decimal number
('STRING', r'".*"'), # String
('COMMENT', r';.*'), # Comment
('VAR', r':[A-Za-z]+'), # Variables
('COMMAND', r'[A-Za-z]+'), # Identifiers
('OP', r'[+*\/\-]'), # Arithmetic operators
('NEWLINE', r'\n'), # Line endings
('SKIP', r'[ \t]'), # Skip over spaces and tabs
('SLIST', r'\['), # Start a list of commands
('ELIST', r'\]'), # End a list of commands
('SARRAY', r'\{'), # Start an array
('EARRAY', r'\}'), # End end an array
]
def __init__(self,tokens=None):
"""
Constructor
Args:
tokens - key/pair of regular expressions used to match tokens.
"""
if tokens is None:
tokens = self.TOKENS
self.tokens = tokens
self.tok_regex = '|'.join('(?P<%s>%s)' % pair for pair in tokens)
pass
def parse(self,source):
"""
Converts the source code into a list of xToken objects.
Args:
sources - The source code as a string.
Returns:
list of xToken objects.
"""
get_token = re.compile(self.tok_regex).match
line = 1
pos = line_start = 0
mo = get_token(source)
result = []
while mo is not None:
typ = mo.lastgroup
if typ == 'NEWLINE':
line_start = pos
line += 1
elif typ != 'SKIP':
val = mo.group(typ)
result.append(xToken(typ, val, line, mo.start()-line_start))
pos = mo.end()
mo = get_token(source, pos)
if pos != len(source):
raise xParserError('Unexpected character %r on line %d' %(source[pos], line))
return result
ご覧のとおり、Python ではグループを反復処理する必要はありません。PHP でも同様のことができます。Java を想定しています。