为什么正则表达式不能使用关键字而不是字符？

正则表达式具有数学(实际上是语言理论)背景,并且编码有点像数学公式.例如,您可以通过一组规则来定义它们

每个字符都是一个正则表达式,代表自己

如果a和b是正则表达式,然后a?,a|b并且ab是正则表达式,也

...

对于简单的正则表达式,使用基于关键字的语言将是一个很大的负担.大多数情况下,您只需使用简单的文本字符串作为搜索模式:

grep -R 'main' *.c

或者可能是非常简单的模式

grep -c ':-[)(]' seidl.txt

一旦习惯了正则表达式,这种语法就非常清晰和准确.在更复杂的情况下,您可能会使用其他东西,因为很大的正则表达式显然很难阅读.

Perl 6在正则表达式可读性方面迈出了相当革命性的一步.考虑以下形式的地址:100 E Main St Springfield MA 01234

这是一个适度可读的Perl 5兼容正则表达式来解析它(许多极端情况未处理):

 m/
     ([1-9]\d*)\s+
     ((?:N|S|E|W)\s+)?
     (\w+(?:\s+\w+)*)\s+
     (ave|ln|st|rd)\s+
     ([:alpha:]+(?:\s+[:alpha:]+)*)\s+
     ([A-Z]{2})\s+
     (\d{5}(?:-\d{4})?)
  /ix;

这个Perl 6正则表达式具有相同的行为:

grammar USMailAddress {
     rule  TOP {     }

     rule  addr { <[1..9]>\d* ?
                    }
     token direction { N | S | E | W }
     token streetname { \w+ [ \s+ \w+ ]* }
     token streettype {:i ave | ln | rd | st }
     token city {  [ \s+  ]* }
     token state { <[A..Z]>**{2} }
     token zip { \d**{5} [ - \d**{4} ]? }
  }

Perl 6语法是一个类,令牌都是可调用的方法.像这样使用它:

if $addr ~~ m/^$/ {
     say "$, $";
}

这个例子来自我在Frozen Perl 2009研讨会上发表的演讲.Perl 6的Rakudo实现足够完整,这个例子今天起作用了.

好吧,如果您有关键字,您如何轻松地将它们与实际匹配的文本区分开来？你会如何处理空白？

来源文本公司:A部门:B

标准正则表达式:

Company:\s+(.+)\s+Dept.:\s+(.+)

甚至:

Company: (.+) Dept. (.+)

关键字正则表达式(尝试真的很难得到一个稻草人...)

"Company:" whitespace.oneplus group(any.oneplus) whitespace.oneplus "Dept.:" whitespace.oneplus group(any.oneplus)

或简化:

"Company:" space group(any.oneplus) space "Dept.:" space group(any.oneplus)

不,这可能不会更好.

因为它对应于形式语言理论,它是数学符号.