这个正则表达式替换如何反转字符串?

Posted

技术标签:

【中文标题】这个正则表达式替换如何反转字符串?【英文标题】:How does this regex replacement reverse a string? 【发布时间】:2011-04-11 06:11:08 【问题描述】:

这是一系列教育正则表达式文章的第四部分。它展示了嵌套引用(参见:How does this regex find triangular numbers?)与断言(参见:How can we match a^n b^n with Java regex?)中“计数”的组合如何用于反转字符串。以编程方式生成的模式使用元模式抽象(参见:How does this Java regex detect palindromes?)。在该系列中,这些技术首次用于替换而不是整个字符串匹配。

提供了完整的 Java 和 C# 实现。包括励志名言。

使用正则表达式反转字符串似乎从来都不是一个好主意,如果它完全可能的话,甚至不是立即显而易见的,如果是的话,人们可能会如何尝试这样做。

虽然仍然不是一个好主意,但至少现在我们知道这是可能的,因为这是一种方法:

C# (also on ideone.com)

using System;
using System.Text.RegularExpressions;

public class TwoDollarReversal     
public static void Main() 
   string REVERSE = 
      @"(?sx) . grab$2"
         .Replace("grab$2",
            ForEachDotBehind(
               AssertSuffix(@"((.) \1?)")
            )
         );
   Console.WriteLine(
      Regex.Replace(
         @"nietsniE treblA --
         hguone llew ti dnatsrednu t'nod uoy ,ylpmis ti nialpxe t'nac uoy fI",

         REVERSE, "$2"
      )
   );
   // If you can't explain it simply, you don't understand it well enough
   // -- Albert Einstein
      
// performs an assertion for each dot behind current position
static string ForEachDotBehind(string assertion) 
   return "(?<=(?:.assertion)*)".Replace("assertion", assertion);

// asserts that the suffix of the string matches a given pattern
static string AssertSuffix(string pattern) 
   return "(?=.*$(?<=pattern))".Replace("pattern", pattern);



Java (also on ideone.com)

class TwoDollarReversal 

public static void main(String[] args) 
   String REVERSE =
      "(?sx) . grab$2"
         .replace("grab$2",
            forEachDotBehind(
               assertSuffix("((.) \\1?)")
            )
         );

   System.out.println(
      "taerG eht rednaxelA --\nyrt lliw ohw mih ot elbissopmi gnihton si erehT"
         .replaceAll(REVERSE, "$2")
   );
   // There is nothing impossible to him who will try
   // -- Alexander the Great"


static String forEachDotBehind(String assertion) 
   return "(?<=^(?:.assertion)*?)".replace("assertion", assertion);

static String assertSuffix(String pattern) 
   return "(?<=(?=^.*?pattern$).*)".replace("pattern", pattern);



C# 和 Java 版本似乎使用相同的整体算法,仅在抽象的实现细节上略有不同。

显然这不是反转字符串的最佳、最直接、最有效的方法。也就是说,为了了解正则表达式;如何概念化模式;引擎如何工作以匹配它们;如何将各个部分组合在一起以构建我们想要的东西;如何以可读和可维护的方式这样做;只是为了学习新事物的纯粹乐趣,我们能解释一下这是如何工作的吗?


附录:备忘单!

这是对所使用的基本正则表达式结构的简要说明:

(?sx) 是嵌入标志 modifierss 启用“单行”模式,允许 dot 匹配 ANY 字符(包括换行符)。 x 启用 free-spacing 模式,其中未转义的空格将被忽略(# 可用于 cmets)。 ^$ 是行首和行尾anchors? 作为重复说明符表示 optional(即零或一)。作为重复量词,例如.*? 表示*(即零个或多个)重复是reluctant/non-greedy。 (…) 用于grouping(?:…) 是非捕获组。一个捕获组保存它匹配的字符串;它允许后退/前进/嵌套引用(例如\1)、替换替换(例如$2)等。 (?=…) 是积极的lookahead;它看起来向右断言给定模式的匹配。 (?&lt;=…) 是一个积极的lookbehind;它向左看。

语言参考/其他资源

MSDN - Regular Expression Language Elements -- System.Text.RegularExpressions Java Tutorials/Essential classes/Regular expressions -- java.util.regex.Pattern

【问题讨论】:

关于meta系列的讨论:meta.stackexchange.com/questions/62695/… 嗯,非常漂亮(而且系列概念总体上很有趣)。我认为即使对于那些不熟悉正则表达式的人来说,解释也相当清楚,尽管我希望害怕它们的人在看到“巫毒魔法”后不要逃跑,而不是留下来阅读和学习,呵呵。 @Tim:从现在开始,我打算开始写中级的东西,没有什么“高级”的东西。我会继续使用“有趣”的例子来让学习变得更有趣。 我喜欢这个,即使没有警告 ;) +1 *。该死的你可变长度的lookbehinds!你可以和他们一起玩得很开心。太糟糕了,我们在 Perl/PCRE 中没有这些。关于正则表达式的一系列问题/答案。 :-) 哦,对于那些感兴趣的人(比如我),完整的 C# 表达式是:(?sx) . (?&lt;=(?:.(?=.*$(?&lt;=((.) \1?))))*) 【参考方案1】:

概述

在高层次上,该模式匹配任何一个字符 .,但另外执行一个 grab$2 操作,该操作捕获匹配到组 2 中的字符的反转“配对”。这种捕获是通过构建完成的输入字符串的后缀,其长度匹配到当前位置的前缀长度。为此,我们将assertSuffix 应用于将后缀增加一个字符的模式,重复一次forEachDotBehind。第 1 组捕获此后缀。该后缀的第一个字符(在第 2 组中捕获)是匹配字符的反转“配对”。

因此,将每个匹配的字符替换为其“伴侣”具有反转字符串的效果。


工作原理:一个更简单的例子

为了更好地理解正则表达式模式的工作原理,让我们首先将其应用于更简单的输入。此外,对于我们的替换模式,我们将“转储”出所有捕获的字符串,以便更好地了解正在发生的事情。这是 Java 版本:

System.out.println(
    "123456789"
        .replaceAll(REVERSE, "[$0; $1; $2]\n")
);

以上打印(as seen on ideone.com):

[1; 9; 9]
[2; 89; 8]
[3; 789; 7]
[4; 6789; 6]
[5; 56789; 5]
[6; 456789; 4]
[7; 3456789; 3]
[8; 23456789; 2]
[9; 123456789; 1]

因此,例如[3; 789; 7]表示点匹配3(在第0组中捕获),对应的后缀是789(第1组),其第一个字符是7(第2组)。注意73 的“伙伴”。

                   current position after
                      the dot matched 3
                              ↓        ________
                      1  2 [3] 4  5  6 (7) 8  9
                      \______/         \______/
                       3 dots        corresponding
                       behind      suffix of length 3

请注意,角色的“伴侣”可能在其右侧或左侧。一个角色甚至可能是它自己的“伴侣”。


后缀是如何构建的:嵌套引用

负责匹配和构建增长后缀的模式如下:

    ((.) \1?)
    |\_/    |
    | 2     |       "suffix := (.) + suffix
    |_______|                    or just (.) if there's no suffix"
        1

请注意,在组 1 的定义中是对其自身的引用(使用\1),尽管它是可选的(使用?)。可选部分提供了“基本情况”,一种组在不引用自身的情况下进行匹配的方式。这是必需的,因为当组尚未捕获任何内容时,尝试匹配组引用总是会失败。

一旦第 1 组捕获了某些内容,我们的设置中就不会执行可选部分,因为我们上次捕获的后缀这次仍然存在,我们总是可以在此后缀的开头添加另一个字符 @ 987654341@。这个前置字符被捕获到第 2 组中。

因此,此模式尝试将后缀增加一个点。因此,重复一次forEachDotBehind 将产生一个后缀,其长度正好是到我们当前位置的前缀长度。


assertSuffixforEachDotBehind 如何工作:元模式抽象

请注意,到目前为止,我们已将 assertSuffixforEachDotBehind 视为黑盒。事实上,把这个讨论留到最后是一种深思熟虑的行为:名称和简短的文档暗示了他们所做的什么,这些信息足以让我们编写和阅读我们的REVERSE 模式!

经过仔细检查,我们发现这些抽象的 Java 和 C# 实现略有不同。这是由于两个正则表达式引擎之间的差异造成的。

.NET 正则表达式引擎允许在后视中使用完整的正则表达式,因此这些元模式在这种风格下看起来更加自然。

AssertSuffix(pattern) := (?=.*$(?&lt;=pattern)),即我们使用前瞻来一直到字符串的末尾,然后使用嵌套后瞻来匹配模式与后缀。 ForEachDotBehind(assertion) := (?&lt;=(?:.assertion)*),即我们只是在后视中匹配 .*,将断言与非捕获组内的点一起标记。

由于 Java 不正式支持无限长度的后视(但在某些情况下它仍然可以工作),它的对应物有点尴尬:

assertSuffix(pattern) := (?&lt;=(?=^.*?pattern$).*),即我们使用lookbehind一直到字符串的开始,然后使用嵌套lookahead来匹配整个字符串,前置后缀模式用.*? 不情愿地匹配一些不相关的前缀。 forEachDotBehind(assertion) := (?&lt;=^(?:.assertion)*?),即我们使用带有不情愿重复的锚定lookbehind,即^.*?(同样将断言与非捕获组内的点一起标记)。

应该注意,虽然这些元模式的 C# 实现在 Java 中不起作用,Java 实现在 C# 中可以工作 (see on ideone.com)。因此,实际上没有必要为 C# 和 Java 提供不同的实现,但 C# 实现特意利用了更强大的 .NET 正则表达式引擎后向支持来更自然地表达模式。

因此,我们展示了使用元模式抽象的好处:

我们可以独立开发、检查、测试、优化等这些元模式实现,或许可以利用风味特定的功能来获得额外的性能和/或可读性。 一旦这些构建块开发并经过良好测试,我们就可以简单地将它们用作更大模式的一部分,这使我们能够在更高层次上表达想法,以获得更易读、更可维护、更便携的解决方案。 元模式促进重用,而程序化生成意味着更少的重复

虽然这一概念的特殊表现形式相当原始,但也可以更进一步,开发更强大的编程模式生成框架,其中包含经过良好测试和优化的元模式库。

另见

Martin Fowler - Composed Regex .NET regular expressions - Balancing group definition - 元模式的一个很好的例子!

结束的想法

需要重申的是,使用正则表达式反转字符串在实践中不是一个好主意。它比必要的复杂得多,性能也很差。

也就是说,这篇文章表明它实际上可以完成,并且当使用元模式抽象在更高级别表示时,该解决方案实际上是非常可读的。作为解决方案的关键组成部分,嵌套引用再次展示在另一个引人入胜的示例中。

不太明显,也许这篇文章还显示了解决起初可能看起来很困难(甚至“不可能”)的问题所需的决心。也许它也显示了对一个主题的更深入理解所带来的思想清晰,这是大量研究和努力的结果。

毫无疑问,正则表达式可能是一个令人生畏的主题,而且它肯定不是为了解决您的所有问题而设计的。然而,这不是可恨的无知的借口,如果你愿意学习的话,这是一门令人惊讶的深刻知识。

【讨论】:

以上是关于这个正则表达式替换如何反转字符串?的主要内容,如果未能解决你的问题,请参考以下文章

正则表达式--python(表示字符)

如何实现字符串的反转及替换?

如何在 python 中替换和反转字符串?

ACM之反转字符串里的单词

如何在熊猫过滤器函数中反转正则表达式

Java中如何实现字符串反转?