代替正则――HyperScriptExpression联合开发倡议公告

2020-01-20 22:27:55

字体：大中小

来源：转载

供稿：网友

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：<<rem(><*><any></*><)>><*><any></*></<rem=1>>。
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<代替。>用>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。