将正则表达式语法扩展为"不包含文本XYZ"

我有一个应用程序,用户可以在许多地方指定正则表达式.这些在运行应用程序时用于检查文本(例如URL和HTML)是否与正则表达式匹配.通常,用户希望能够说出文本与ABC匹配的位置并且与XYZ不匹配.为了方便他们这样做,我想在我的应用程序中扩展正则表达式语法,并说出' 并且不包含模式 '.有什么建议可以做到这一点吗？

我的应用程序是用C#.NET 3.5编写的.

我的计划(在我得到这个问题的真棒答案之前......)

目前我正在考虑使用¬字符:在¬字符是正常正则表达式之前的任何内容,¬字符之后的任何内容都是在要测试的文本中无法匹配的正则表达式.

所以我可能会使用像这样(人为的)示例的一些正则表达式:

on (this|that|these) day(s)?¬(every|all) day(s) ?

例如,在这一天,男人说...... "但是在这一天和之后的每一天都不会匹配...... ".

在我处理正则表达式的代码中,我将简单地拆分正则表达式的两个部分并分别处理它们,例如:

    public bool IsMatchExtended(string textToTest, string extendedRegex)
    {
        int notPosition = extendedRegex.IndexOf('¬');

        // Just a normal regex:
        if (notPosition==-1)
            return Regex.IsMatch(textToTest, extendedRegex);

        // Use a positive (normal) regex and a negative one
        string positiveRegex = extendedRegex.Substring(0, notPosition);
        string negativeRegex = extendedRegex.Substring(notPosition + 1, extendedRegex.Length - notPosition - 1);

        return Regex.IsMatch(textToTest, positiveRegex) && !Regex.IsMatch(textToTest, negativeRegex);
    }

有关更好地实施此类扩展的任何建议吗？我需要稍微聪明一点,将字符串拆分到¬字符以允许它被转义,所以不要只使用上面简单的Substring()拆分.还有什么需要考虑的吗？

替代计划

在写这个问题时,我也遇到了这个答案,建议使用这样的东西:

^(?=(?:(?!negative pattern).)*$).*?positive pattern

因此,当他们想要不匹配某些文本时,我可以建议人们使用类似的模式,而不是我原来的计划.

这是否与我原来的计划相同？我认为这是一种相当昂贵的方法,因为我有时会解析大型html文档这可能是一个问题,而我认为我的原始计划会更高效.任何想法(除了明显的:'尝试两个并测量它们!')？

可能与性能相关:有时会出现几个"单词"或更复杂的正则表达式,这些正则表达式不能出现在文本中,例如上面的例子中的(every | all),但有一些更多的变体.

为什么!？

我知道我原来的方法看起来很奇怪,例如为什么不只是有两个正则表达式？？但是在我的特定应用程序中,管理员提供了正则表达式,并且很难让他们能够在当前提供的两个正则表达式中提供两个正则表达式.在这种情况下,使用NOT的语法要容易得多 - 只要相信我就这一点.

我有一个应用程序,允许管理员在各种配置点定义正则表达式.正则表达式仅用于检查文本或URL是否与特定模式匹配; 不进行替换,也不使用捕获组.但是,他们通常希望指定一个模式,上面写着"ABC不在文本中".在正则表达式中进行NOT匹配是非常困难的,因此通常的方法是使用两个正则表达式:一个用于指定必须匹配的模式,另一个用于指定不能匹配的模式.如果第一个匹配而第二个匹配则文本匹配.在我的应用程序中,添加在用户现在可以提供的每个地方都有第二个正则表达式的能力将是很多工作,因此我想扩展正则表达式语法,并说出' 并且不包含 模式 ' .

您不需要引入新符号.已经支持大多数正则表达式引擎所需的内容.这只是学习和应用它的问题.

您对性能有顾虑,但是您是否对其进行了测试？您是否测量并证明了这些性能问题？它可能会很好.

在许多不同的场景中,正则表达式适用于许多人.它也可能符合您的要求.

此外,您可以简化在另一个SO问题上找到的复杂正则表达式.负面和正面的前瞻和外观都有简单的表达方式.
?! ? ?= ?<=

if (Regex.IsMatch(text, @"
    # Match string containing all of one set of words but none of another.
    ^                # anchor to start of string.
    # Positive look ahead assertions for required substrings.
    (?=.*?  cat   )  # Assert string has: 'cat'.
    (?=.*?  lion  )  # Assert string has: 'lion'.
    (?=.*?  tiger )  # Assert string has: 'tiger'.
    # Negative look ahead assertions for not-allowed substrings.
    (?!.*?  dog   )  # Assert string does not have: 'dog'.
    (?!.*?  wolf  )  # Assert string does not have: 'wolf'.
    (?!.*?  hyena )  # Assert string does not have: 'hyena'.
    ",
    RegexOptions.Singleline | RegexOptions.IgnoreCase |
    RegexOptions.IgnorePatternWhitespace)) {
    // Successful match
} else {
    // Match attempt failed
}