将Perl正则表达式转换为等效的ECMAScript正则表达式

Question

现在，我使用的是VC ++ 2010，但是VC ++ 2010的syntax_option_type仅包含以下选项：

static const flag_type icase = regex_constants::icase;
static const flag_type nosubs = regex_constants::nosubs;
static const flag_type optimize = regex_constants::optimize;
static const flag_type collate = regex_constants::collate;
static const flag_type ECMAScript = regex_constants::ECMAScript;
static const flag_type basic = regex_constants::basic;
static const flag_type extended = regex_constants::extended;
static const flag_type awk = regex_constants::awk;
static const flag_type grep = regex_constants::grep;
static const flag_type egrep = regex_constants::egrep;

它不包含perl_syntax_group（Boost库具有此选项）。 但是，我不想使用Boost库。

Perl中有许多正则表达式，因此，我想将现有的Perl正则表达式转换为ECMAScript （或VC ++ 2010支持的任何正则表达式）。 转换后，我可以直接在VC ++ 2010中使用等效的正则表达式，而无需使用第三方libray。

一个例子：

const boost::tregex e(__T("\\A(\\d{3,4})[- ]?(\\d{4})[- ]?(\\d{4})[- ]?(\\d{4})\\z"));
const CString human_format = __T("$1-$2-$3-$4");
CString human_readable_card_number(const CString& s)
{
   return boost::regex_replace(s, e, human_format);
}
CString credit_card_number = "1234567887654321";
credit_card_number = human_readable_card_number(credit_card_number);
assert(credit_card_number == "1234-5678-8765-4321");

在上面的示例中，我想做的是将e和format转换为ECMAScript样式表达式。

是否可以找到将所有Perl正则表达式转换为ECMAScript样式的通用方法？ 有一些工具可以做到这一点吗？

任何帮助将不胜感激！

Answer 1

对于要转换的特定正则表达式，ECMA正则表达式中的等效项为：

/^(\d{3,4})[- ]?(\d{4})[- ]?(\d{4})[- ]?(\d{4})$/

在这种情况下， \\A （在Perl regex中）的含义与^ （在ECMA regex中）（匹配字符串的开头）相同， \\Z （在Perl regex中）与$ （在ECMA regex中）相同的含义（匹配字符串的结尾）。 请注意，如果启用多行模式，则ECMA正则表达式中^和$含义将更改为与行的开头和结尾匹配。

ECMA regex是Perl regex的子集，因此，如果该regex使用Perl regex中的专有功能，则可能无法转换为ECMA regex。 即使对于相同的语法，该语法在正则表达式的两个方言之间可能意味着稍有不同，因此检查文档并比较用法总是明智的。

我只想说说ECMA regex和Perl regex有何相似之处。 什么不是相似但可转换，我将尽我所能提起。

ECMA正则表达式缺少与Unicode一起使用的功能，这些功能迫使您查找代码点并将其指定为字符类。

按照有关Perl正则表达式的文档进行操作 ：

• 修饰符：
  • ECMA标准中只有i ， g和m ，它们的行为与Perl中的相同。
  • s dot-all修饰符可以在ECMA正则表达式中通过使用2个补码字符类来模拟，例如[\\S\\s] ， [\\D\\d]
  • 无论如何，不​​支持x和p标志。
  • 我不知道是否还有其他模拟方式（前缀和后缀修饰符）。
• 元字符：
  • 对于将\\与非元字符结合使用并不能解决任何特殊含义，我有些怀疑，但是如果您不逃避不需要的地方就没问题了。 . 在ECMA中，排除了另外几个字符。 其余的在ECMA正则表达式中表现相同（甚至m标志对^和$ ）。
• 量词：
  • 贪婪和懒惰的行为应该是相同的。 ECMA正则表达式中没有所有格行为。
• 转义序列：
  • ECMA正则表达式中没有\\a和\\e 。 \\t ， \\n ， \\r ， \\f相同。
  • 如果正则表达式具有\\cX请检查文档-有所不同。
  • \\xhh在ECMA regex和Perl regex中很常见（指定2个十六进制数字是最安全的-否则，您将必须查阅文档以查看该语言如何处理少于2个十六进制数字的情况）。
  • \\uhhhh是ECMA regex 专有功能，用于指定Unicode字符。 Perl还有其他专用的字符指定方式，例如\\x{} ， \\N{} ， \\o{} ， \\000 。
  • \\l ， \\u\u003c/code> ， \\L ， \\U是Perl regex 专有的 。
  • 可以通过手动转引引用的部分来模拟\\Q和\\E
  • Perl正则表达式中的八进制转义符（少于3个八进制数字）可能会造成混淆。 仔细检查上下文，阅读文档和/或测试正则表达式以确保您了解它在上下文中的作用，因为它可能是转义序列或向后引用。
• 角色类和其他特殊转义符：
  • 如果采用US-ASCII，则\\w ， \\W ， \\s ， \\S ， \\d ， \\D在ECMA regex和Perl regex中是等效的。 如果涉及Unicode，事情将变得一团糟。
  • ECMA正则表达式中没有POSIX字符类。 使用上面的\\w ， \\s ， \\d或在角色类中指定自己。
  • 反向引用基本相同-但我不知道它是否允许Perl和ECMA regex的反向引用都超过9。
  • 可以使用反向参考来模拟命名参考。
  • ECMA regex不支持其余的（ []和已提及的转义序列除外）。
• 断言：
  • 关于如何基于\\w定义\\b和\\B在两种语言中都是等效的。
• 捕获组：分组()和反向引用相同。 $n （在替换字符串中用于反向引用匹配的文本）是相同的。 本节中的其余部分是Perl独有的功能。
• 引用元字符：（前面部分中已经提到的内容）。
• 扩展模式：
  • ECMA regex不支持在regex内部修改标志。 根据标志的不同，您可能可以重写正则表达式（ s标志是始终可以在ECMA regex中转换为等效表达式s标志）。
  • 在Perl和ECMA之间，只有(?:pattern) （非捕获组）， (?=pattern) （正视）， (?!pattern) （负视）是常见的。
  • ECMA正则表达式中没有注释，因此(?#text)可以忽略。
  • ECMA正则表达式不支持向后看。 Perl支持固定宽度的向后搜索。 在某些情况下，通过在捕获组后面进行查找，可以将用Perl编写的具有正向外观的正则表达式转换为ECMA正则表达式。
  • 如前所述，命名模式可以转换为正常捕获组，并可以用编号的反向引用进行引用。
  • 其余是Perl独有的功能。
• 特殊的回溯控制动词：这是Perl独有的，我不知道它们的作用（以前从未接触过它们），更不用说转换了。 最有可能的是它们无论如何都不能转换。

结论 ：

如果正则表达式可以充分利用Perl正则表达式的功能，或者在Boost库支持的级别（例如，递归正则表达式）使用，则无法将正则表达式转换为ECMA正则表达式。 幸运的是，ECMA正则表达式涵盖了最常用的功能，因此正则表达式很可能是可转换的。

参考 ：

有关MDN的ECMA RegExp参考