正則表達式以匹配Java字符串

Question

在Scala的解析器組合器（尤其是JavaTokensParser ）中，有一個stringLiteral定義，它與類似Java的字符串相匹配。

def stringLiteral: Parser[String] =
              ("\""+"""([^"\p{Cntrl}\\]|\\[\\'"bfnrt]|\\u[a-fA-F0-9]{4})*"""+"\"").r

不幸的是，此正則表達式不適用於長字符串 。 有人知道這樣做的可重用實現，還是對正則表達式的修改更節省空間？

Answer 1

有趣的問題！

只是玩這個，並提出了以下內容：

val r = ("\"" + "(?:[^\"\\p{Cntrl}\\\\]*|(?:\\\\(?:[\\\\'\"bfnrt]|u[a-fA-F0-9]{4}))*)*" + "\"").r

注意：上面的正則表達式是從第一個版本開始修復的……前導'\\'和結尾字符都需要重復，而不僅僅是我原來的結尾字符！

編輯：找到一個更有效的正則表達式。 使用以下命令，它可以解析最多950個\\\\ns對的字符串，而原來的字符串只能解析556，至少在我的默認配置中。

val r = ("\"" + "(?:[^\"\\p{Cntrl}\\\\]*|\\\\[\\\\'\"bfnrt]|\\\\u[a-fA-F0-9]{4})*" + "\"").r

編輯2：根據@schmmd的評論，我有一個更好的正則表達式。 這可以解析2500 \\ns酷刑案。 秘訣是使用貪婪的所有格修飾符，這基本上關閉了回溯的需要，因此也關閉了遞歸。

val r = (""""([^"\p{Cntrl}\\]*+(?:\\[\\'"bfnrt])*+(?:\\u[a-fA-F0-9]{4})*+)*+"""").r

解決方案的實質是每次匹配事物時都盡力嘗試和咀嚼。

scala> val r = (""""([^"\p{Cntrl}\\]*+(?:\\[\\'"bfnrt])*+(?:\\u[a-fA-F0-9]{4})*+)*+"""").r
r: scala.util.matching.Regex = "([^"\p{Cntrl}\\]*+(?:\\[\\'"bfnrt])*+(?:\\u[a-fA-F0-9]{4})*+)*+"

scala> r.pattern.matcher("\"" + "\\ns" * 2500 + "\"").lookingAt
res4: Boolean = true

scala> r.pattern.matcher("\"" + "s" * 2500 + "\"").lookingAt
res5: Boolean = true

更新： 拉動請求已提交給Scala人員。 並被接受。