將Perl正則表達式轉換為等效的ECMAScript正則表達式

Question

現在，我使用的是VC ++ 2010，但是VC ++ 2010的syntax_option_type僅包含以下選項：

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庫具有此選項）。 但是，我不想使用Boost庫。

Perl中有許多正則表達式，因此，我想將現有的Perl正則表達式轉換為ECMAScript （或VC ++ 2010支持的任何正則表達式）。 轉換后，我可以直接在VC ++ 2010中使用等效的正則表達式，而無需使用第三方libray。

一個例子：

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，我想做的是將e和format轉換為ECMAScript樣式表達式。

是否可以找到將所有Perl正則表達式轉換為ECMAScript樣式的通用方法？ 有一些工具可以做到這一點嗎？

任何幫助將不勝感激！

Answer 1

對於要轉換的特定正則表達式，ECMA正則表達式中的等效項為：

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

在這種情況下， \\A （在Perl regex中）的含義與^ （在ECMA regex中）（匹配字符串的開頭）相同， \\Z （在Perl regex中）與$ （在ECMA regex中）相同的含義（匹配字符串的結尾）。 請注意，如果啟用多行模式，則ECMA正則表達式中^和$含義將更改為與行的開頭和結尾匹配。

ECMA regex是Perl regex的子集，因此，如果該regex使用Perl regex中的專有功能，則可能無法轉換為ECMA regex。 即使對於相同的語法，該語法在正則表達式的兩個方言之間可能意味着稍有不同，因此檢查文檔並比較用法總是明智的。

我只想說說ECMA regex和Perl regex有何相似之處。 什么不是相似但可轉換，我將盡我所能提起。

ECMA正則表達式缺少與Unicode一起使用的功能，這些功能迫使您查找代碼點並將其指定為字符類。

按照有關Perl正則表達式的文檔進行操作 ：

• 修飾符：
  • ECMA標准中只有i ， g和m ，它們的行為與Perl中的相同。
  • s dot-all修飾符可以在ECMA正則表達式中通過使用2個補碼字符類來模擬，例如[\\S\\s] ， [\\D\\d]
  • 無論如何，不​​支持x和p標志。
  • 我不知道是否還有其他模擬方式（前綴和后綴修飾符）。
• 元字符：
  • 對於將\\與非元字符結合使用並不能解決任何特殊含義，我有些懷疑，但是如果您不逃避不需要的地方就沒問題了。 . 在ECMA中，排除了另外幾個字符。 其余的在ECMA正則表達式中表現相同（甚至m標志對^和$ ）。
• 量詞：
  • 貪婪和懶惰的行為應該是相同的。 ECMA正則表達式中沒有所有格行為。
• 轉義序列：
  • ECMA正則表達式中沒有\\a和\\e 。 \\t ， \\n ， \\r ， \\f相同。
  • 如果正則表達式具有\\cX請檢查文檔-有所不同。
  • \\xhh在ECMA regex和Perl regex中很常見（指定2個十六進制數字是最安全的-否則，您將必須查閱文檔以查看該語言如何處理少於2個十六進制數字的情況）。
  • \\uhhhh是ECMA regex 專有功能，用於指定Unicode字符。 Perl還有其他專用的字符指定方式，例如\\x{} ， \\N{} ， \\o{} ， \\000 。
  • \\l ， \\u\u003c/code> ， \\L ， \\U是Perl regex 專有的 。
  • 可以通過手動轉引引用的部分來模擬\\Q和\\E
  • Perl正則表達式中的八進制轉義符（少於3個八進制數字）可能會造成混淆。 仔細檢查上下文，閱讀文檔和/或測試正則表達式以確保您了解它在上下文中的作用，因為它可能是轉義序列或向后引用。
• 角色類和其他特殊轉義符：
  • 如果采用US-ASCII，則\\w ， \\W ， \\s ， \\S ， \\d ， \\D在ECMA regex和Perl regex中是等效的。 如果涉及Unicode，事情將變得一團糟。
  • ECMA正則表達式中沒有POSIX字符類。 使用上面的\\w ， \\s ， \\d或在角色類中指定自己。
  • 反向引用基本相同-但我不知道它是否允許Perl和ECMA regex的反向引用都超過9。
  • 可以使用反向參考來模擬命名參考。
  • ECMA regex不支持其余的（ []和已提及的轉義序列除外）。
• 斷言：
  • 關於如何基於\\w定義\\b和\\B在兩種語言中都是等效的。
• 捕獲組：分組()和反向引用相同。 $n （在替換字符串中用於反向引用匹配的文本）是相同的。 本節中的其余部分是Perl獨有的功能。
• 引用元字符：（前面部分中已經提到的內容）。
• 擴展模式：
  • ECMA regex不支持在regex內部修改標志。 根據標志的不同，您可能可以重寫正則表達式（ s標志是始終可以在ECMA regex中轉換為等效表達式s標志）。
  • 在Perl和ECMA之間，只有(?:pattern) （非捕獲組）， (?=pattern) （正視）， (?!pattern) （負視）是常見的。
  • ECMA正則表達式中沒有注釋，因此(?#text)可以忽略。
  • ECMA正則表達式不支持向后看。 Perl支持固定寬度的向后搜索。 在某些情況下，通過在捕獲組后面進行查找，可以將用Perl編寫的具有正向外觀的正則表達式轉換為ECMA正則表達式。
  • 如前所述，命名模式可以轉換為正常捕獲組，並可以用編號的反向引用進行引用。
  • 其余是Perl獨有的功能。
• 特殊的回溯控制動詞：這是Perl獨有的，我不知道它們的作用（以前從未接觸過它們），更不用說轉換了。 最有可能的是它們無論如何都不能轉換。

結論 ：

如果正則表達式可以充分利用Perl正則表達式的功能，或者在Boost庫支持的級別（例如，遞歸正則表達式）使用，則無法將正則表達式轉換為ECMA正則表達式。 幸運的是，ECMA正則表達式涵蓋了最常用的功能，因此正則表達式很可能是可轉換的。

參考 ：

有關MDN的ECMA RegExp參考