代替正则——HyperScriptExpression联合开发倡议公告

时间:2021-11-02 13:45:23

正则的难写和复杂语法使得出学者们难以接触。为了解决这个难题,本人决定请诸位和本人一起开发HyperScriptExpression(以后简称HSE)。HSE全部使用标记(Marked)形式,语法规整,例如:
正则\d{2}-\d{5}的等价HSE为:<rep=2><digit></rep>-<rep=5><digit></rep>
正则<(.*)>.*<\/\1>的等价HSE为&lt;<rem(><*><any></*><)>&gt;<*><any></*>&lt;/<rem=1>&gt;
正则^Chapter [1-9][0-9]{0,1}的等价HSE为:<@start>Chapter <in>1-9</in><rep=0,1><in>0-9</in></rep>
正则(\w)+[@]{1}((\w)+[\.]){1,3}(\w)+的等价HSE为:<+><word></+><rep1>@</rep><rep=1,3><word+>.</rep><word+>
HSE 语法注释

 

<>

转移符号。<用&lt;代替。>用&gt;代替

<@start>

匹配输入字符串的开始位置。如果设置了 HSE 对象的 Multiline 属性,<@start> 也匹配<crlf>或<cr>之后的位置。

<@over>

匹配输入字符串的结束位置。如果设置了 HSE 对象的 Multiline 属性,<@over> 也匹配<crlf>或<cr>之前的位置。

<*></*>

匹配前面的子表达式零次或多次。例如,z<*>o</*> 能匹配 "z" 以及 "zoo"。等价于<least=0></least>。

<+></+>

匹配前面的子表达式一次或多次。例如,'z<+>o</+>' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。等价于<least=1></least>。

<sel></sel>

匹配前面的子表达式零次或一次。例如,"do<sel>es</sel>" 可以匹配 "do" 或 "does" 中的"do" 。 等价于<rep=0,1></rep>。

<rep=n></rep>

n 是一个非负整数。匹配确定的 n 次。例如,'<rep=2>o</rep>' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的两个 o。

<least=n></least>

n 是一个非负整数。至少匹配n 次。例如,'<least=2>o</least>' 不能匹配 "Bob" 中的 'o',但能匹配 "foooood" 中的所有 o。

<rep=m,n></rep>

m 和 n 均为非负整数,其中n >= m。最少匹配 m 次且最多匹配 n 次。例如,"<rep=1,3>o</rep>" 将匹配 "fooooood" 中的前三个 o。请注意在逗号和两个数之间不能有空格。

NG属性

当该字符紧跟在任何一个其他限制符后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 "oooo",'<+ NG>o</+>' 将匹配单个 "o",而 '<+>o</+>' 将匹配所有 'o'。

<anything>或<any>

匹配除 "<crlf>" 之外的任何单个字符。要匹配包括 '<crlf>' 在内的任何字符,请使用象 '<in><any><crlf></in>' 的模式。

<rem(>p</)>或
<rem>p</rem>

匹配 p 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,使用 SubMatches 集合,$0…$9 属性。

<(>pattern</)>

匹配 pattern 但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如, 'industr<(>y<or>ies</)> 就是一个比 'industry|industries' 更简略的表达式。

<eq>pattern</eq>

正向预查,在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如, 'Windows <eq>95<or>98<or>NT<or>2000</eq>' 能匹配 "Windows 2000" 中的 "Windows" ,但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。

<neq>pattern</neq>

负向预查,在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。

x<or>y

匹配 x 或 y。例如,'z<or>food' 能匹配 "z" 或 "food"。'<(>z<or>f</)>ood' 则匹配 "zood" 或 "food"。

<in></in>

字符集合。匹配所包含的任意一个字符。例如,'<in>abc</in>' 可以匹配 "plain" 中的 'a'。

<nin></nin>

负值字符集合。匹配未包含的任意字符。例如,'<nin>abc</nin>' 可以匹配 "plain" 中的'p'。

<in>a-z</in>

字符范围。匹配指定范围内的任意字符。

<nin>a-z</nin>

负值字符范围。匹配任何不在指定范围内的任意字符。

<border></border>

匹配一个单词边界,也就是指单词和空格间的位置。

<nborder></nborder>

匹配非单词边界。<border>的否定。

<control=x>

匹配由 x 指明的控制字符。例如,<control=M> 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 <control> 视为 <nothing> 字符。

<digit>

匹配一个数字字符。可以使用<digit+>,<digit*>,<digit?>格式。下同。

<ndigit>

匹配一个非数字字符。

<page>

匹配一个换页符。

<crlf>

匹配一个换行符。

<cr>

匹配一个回车符。

<blank>

匹配任何空白字符,包括空格、制表符、换页符等等。

<nblank>

匹配任何非空白字符。

<tab>

匹配一个制表符。

<vtab>

匹配一个垂直制表符。

<word>

匹配包括下划线的任何单词字符。

<nword>

匹配任何非单词字符。

<hex=n>

匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。

<call=num>

匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。例如,'<rem><any></rem><call=1>' 匹配两个连续的相同字符。

<oct=n>

标识一个八进制转义值。

<unicode=n>

匹配 n,其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如, \u00A9 匹配版权符号 (©)。

<nothing>或者
<nil>

匹配空字符。用于选择,比如<nothing><or>a<or>b<or>c<or>d代表a,b,c,d或者没有(空字符)。

<total>

强制性全部字符串匹配。比如<total>HS<in>DEF</in>可匹配HSD但不可以匹配HSDB中的HSD。