为啥我使用这些 Raku 正则表达式会得到不同的回溯？

Posted 2023-03-28

【中文标题】为啥我使用这些 Raku 正则表达式会得到不同的回溯？

【英文标题】：Why do I get different backtracking with these Raku regexes?为什么我使用这些 Raku 正则表达式会得到不同的回溯？

【发布时间】：2020-12-09 23:13:56

【问题描述】：

我意外地回溯了 Raku 正则表达式的 + 量词。

在这个正则表达式中：

'abc' ~~ m/(\w+) say $0  <? $0.substr(*-1) eq 'b' >/;

say $0;

我得到了预期的结果：

｢abc｣  # inner say
｢ab｣   # inner say

｢ab｣   # final say

也就是说，（贪婪的）+ 量词获取所有字母，然后条件失败。之后，它通过释放最后一个得到的字母开始回溯，直到条件评估为真。

但是，当我将量词放在捕获组之外时，回溯的工作方式似乎不同：

'abc' ~~ m/[(\w)]+ say $0  <? $0.tail eq 'b' >/;

say $0;

结果：

[｢a｣ ｢b｣ ｢c｣]  # inner say
[｢a｣ ｢b｣ ｢c｣]  # why this extra inner say? Shouldn't this backtrack to [｢a｣ ｢b｣]?
[｢a｣ ｢b｣ ｢c｣]  # why this extra inner say? Shouldn't this backtrack to [｢a｣ ｢b｣]?
[｢b｣ ｢c｣]      # Since we could not successfully backtrack, We go on matching by increasing the position
[｢b｣ ｢c｣]      # Previous conditional fails. We get this extra inner say
[｢c｣]          # Since we could not successfully backtrack, We go on matching by increasing the position

Nil            # final say, no match because we could not find a final 'b'

这是预期的行为吗？如果是这样：为什么它们的工作方式不同？是否可以模仿第一个正则表达式但仍将量词保留在捕获组之外？

注意：

使用惰性量词“解决”问题...这是意料之中的，因为差异似乎发生在回溯中，而惰性量词不会发生这种情况。

'abc' ~~ m/[(\w)]+? say $0  <? $0.tail eq 'b' >/;

[｢a｣]
[｢a｣ ｢b｣]

[｢a｣ ｢b｣]

但是出于性能原因，我宁愿使用贪婪的量词（这个问题中的例子是一个简化）。

【问题讨论】：

在你的第二个例子中，我不明白方括号的使用。如果我将方括号放在括号内，我会得到与单独使用括号相同的结果，即 ([\w+]) 和 ([\w])+ 模仿它们的非方括号包含对应项。

@jubilatious1 是的，括号没用:)。原始的正则表达式更复杂，我开始剥离它的一部分以获得最简单的情况。我终于忘记去掉括号了。

【参考方案1】：

我认为问题不在于回溯。但是看起来中间的$0 暴露了保留了之前的迭代捕获。考虑这个表达式，

'abc' ~~ m/[(\w)]+ say "Match:",$/.Str,";\tCapture:",$0  <? False >/;

这是输出：

Match:abc;  Capture:[｢a｣ ｢b｣ ｢c｣]
Match:ab;   Capture:[｢a｣ ｢b｣ ｢c｣]
Match:a;    Capture:[｢a｣ ｢b｣ ｢c｣]
Match:bc;   Capture:[｢b｣ ｢c｣]
Match:b;    Capture:[｢b｣ ｢c｣]
Match:c;    Capture:[｢c｣]

如您所见，匹配顺序正确，abc ab a ...。但是ab匹配的捕获数组也是[｢a｣ ｢b｣ ｢c｣]。我怀疑这是一个错误。

---

对于您的情况，有几种方法。

只需使用$/ 进行条件检查

'abc' ~~ m/[(\w)]+  <? $/.Str.substr(*-1) eq 'b' >/;

或者，另外还使用限定词捕获组。

'abc' ~~ m/([(\w)]+) <? $0[0][*-1] eq 'b' >/;

这里$0匹配外部组，$0[0]匹配第一个内部组，$[0][*-1]匹配本次迭代中最终匹配的字符。

---

【讨论】：

比$/.Str.substr(*-1) eq 'b' 更容易的是$/.ends-with: 'b'

嗨！您用额外的捕获组包装量化器的解决方法就像一个魅力！让我们看看 rakudo 的人怎么说这是一个错误

我已经提交了一个问题With (foo)+ the corresponding sub-captures aren't removed during backtracking。

@raiph，谢谢

@jubilatious1，给出的正则表达式，是用于演示问题的简化表达式。根据演示输出，希望您同意存在差异。是的，只有当我们使用回溯和$0 时才会出现问题。