2

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。

4

2 に答える 2

1

すべてのトークン タイプは、異なる文字で始まります。HashSet<char,string>可能なすべての開始文字を一致するグループ名にマップする をコンパイルするのはどうですか? そうすれば、一致したグループを特定するために、一致全体の最初の文字を調べるだけで済みます。

于 2012-09-15T18:35:25.797 に答える
1

名前付きグループの別のリストを維持する必要はありません。代わりにRegex.GetGroupNamesメソッドを使用してください。

コードは次のようになります。

foreach (string gname in re.GetGroupNames())
{
    Group group = get_token.Groups[gname];
    if (group.Success)
    {
        // your code
    }
}

そうは言っても、MSDN ページの次の注意事項に注意してください。

キャプチャ グループに明示的に名前が付けられていない場合でも、数値の名前 (1、2、3 など) が自動的に割り当てられます。

そのことを念頭に置いて、すべてのグループに名前を付けるか、数値のグループ名を除外する必要があります。何らかの LINQ を使用するか!Char.IsNumber(gname[0])、グループ名の最初の文字をチェックする追加のチェックを使用して、そのようなグループが無効であると仮定して、これを行うことができます。または、int.TryParseメソッドを使用することもできます。

于 2012-09-15T18:52:18.317 に答える