web-dev-qa-db-ja.com

コードゴルフ：正規表現パーサー

目標

今日のコードゴルフの課題は、できるだけ少ない文字で正規表現パーサーを作成することです。

構文

いいえ、Perlスタイルの正規表現に一致するように求めているわけではありません。結局のところ、それらのための非常に信頼できる通訳がすでにあります！ :-)

このチャレンジの正規表現構文について知っておく必要があるのは次のとおりです。

  • termは、単一のリテラル文字、またはグループ化括弧()内の正規表現として定義されます。
  • *（アスタリスク）文字は、前のTERMのクリーネ閉包操作を表します。これは、前の項が0個以上連結されていることを意味します。
  • +（プラス）文字は便利なショートカットを表します。a+はaa*と同等であり、前の用語の1つ以上を意味します。
  • ?（疑問符）文字は、前の用語の0または1を表します。
  • |（パイプ）文字は交替を表します。つまり、どちらの側の正規表現も試合で使用できます。
  • 他のすべての文字はリテラルであると見なされます。他のすべての文字は[0-9A-Za-z]内にあると想定できます（つまり、すべての英語の英数字）。

または、別の言い方をすれば、*/+/?が最も優先され、次に連結、次に交互になります。交替は連結よりも優先順位が低いため、括弧なしで正規表現内で使用すると、両側で完全な正規表現にバインドされます。一方、*と+と?は、直前の用語にのみ適用されます。

挑戦

あなたの課題は、正規表現（上記で定義されている）をコンパイルまたは解釈し、それに対していくつかの文字列をテストするプログラムを作成することです。

入力はあなたにお任せします。私の推奨は、おそらく正規表現が最初に来て、次にそれに対してテストされる任意の数の文字列が来ることです。しかし、それを長持ちさせたいのであれば、それは問題ありません。すべてをコマンドライン引数またはstdinに入れたい場合、または正規表現をコマンドラインに入れて文字列をstdinに入れたい場合など、それで問題ありません。使用例を1つか2つ示してください。

正規表現が一致するかどうかを反映するために、出力は1行に1つずつtrueまたはfalseである必要があります。

ノート：

  • 私はこれを言う必要はありません...しかし、あなたの言語で正規表現ライブラリを使用しないでください！パターンを自分でコンパイルまたは解釈する必要があります。 （（編集： 文字列の分割または結合に必要な場合は、正規表現を使用できます。これを使用して問題を直接解決することはできません。たとえば、入力正規表現を言語正規表現に変換して使用するなどです。）
  • 正規表現は、このチャレンジの入力文字列と完全に一致する必要があります。 （同様に、Perlのような正規表現に精通している場合は、すべての一致に対して文字列の開始と終了のアンカーが設定されていると想定します）
  • このチャレンジでは、すべての特殊文字()*+?|が文字通り出現するとは限りません。入力に出てきた場合、問題の文字列に一致するパターンはないと想定しても問題ありません。
  • テストする入力文字列は、大文字と小文字を区別して評価する必要があります。

例

例では、すべてがコマンドライン引数で行われ、正規表現が最初であると想定しています。 （上で述べたように、入力はあなた次第です。）ここでのmyregexは、プログラムの呼び出しを表します。

> myregex easy easy Easy hard
true
false
false

> myregex ab*a aa abba abab b
true
true
false
false

> myregex 0*1|10 1 10 0110 00001
true
true
false
true

> myregex 0*(1|1+0) 1 10 0110 00001
true
true
true
true

> myregex a?b+|(a+b|b+a?)+ abb babab aaa aabba a b
true
true
false
true
false
true

注意： 申し訳ありませんが、コミュニティwikiを作成するのを忘れました！ :-(

regexlanguage-agnosticcode-golfrosetta-stone
53
Platinum Azure

GolfScript-254文字

_n%([]:B:$:_"()"@*{:I"()*+|?"[{}/]?[{[[0B$,+:B))\;)]_]+}{B)):ß;:B;qß(:ß;}{8q}{[[0ß0$,)]]+}:8{[[0B-1=:ß)]]+:$q}{ß>$ß<\([0+$,+]\++}:q{[[I$,:ß)]]+}]=~:$}/;{n+[0]:3\{:c;;3:1_:3;{,}{)[$=]_*2/{~\.{c={3|:3}*;}{;.1|1,\:1,<{+0}*;}if}/}/;}/;1$,?)"true""false"if n}%
_

やや簡単に、最初のループは正規表現をNFAに変換し、2番目のループが実行します。

_Sun Aug 22 00:58:24 EST 2010_ （271→266）変数名を変更してスペースを削除
_Sun Aug 22 01:07:11 EST 2010_ （266→265） _[]_を変数にしました
_Sun Aug 22 07:05:50 EST 2010_ （265→259） null状態遷移をインライン化
_Sun Aug 22 07:19:21 EST 2010_ （259→256）最終状態を暗黙的に
_Mon Feb 7 19:24:19 EST 2011_ （256→254）"()""str"*を使用

_$ echo "ab*a aa abba abab b"|tr " " "\n"|golfscript regex.gs
true
true
false
false

$ echo "0*1|10 1 10 0110 00001"|tr " " "\n"|golfscript regex.gs
true
true
false
true

$ echo "0*(1|1+0) 1 10 0110 00001"|tr " " "\n"|golfscript regex.gs
true
true
true
true

$ echo "a?b+|(a+b|b+a?)+ abb babab aaa aabba a b"|tr " " "\n"|golfscript regex.gs
true
true
false
true
false
true

$ echo "((A|B|C)+(a|(bbbbb)|bb|c)+)+ ABCABCaccabbbbbaACBbbb ABCABCaccabbbbbaACBbbbb"|tr " " "\n"|golfscript regex.gs
false
true
_
15
Nabb

C（解釈）、 630622617615582576573572558554544538529504502500 499文字

これは括弧を理解し、正規表現ライブで機能します（つまり、最初に解析されません）

#define C char
#define M m(s,o
m(C*s,C*o,C*S,C*p,C*P,C T){C*n=P-1,*q=s,h=*P==41,c=1;for(;h*c;c-=*n--==40)c+=*n==41;
c=*P-42;c=p-P?c-82?T&&c&~1&&c-21?h?2:*S==*P&s<S?M,S-1,p,n,2)||(T&4&&M,S-1,p,P,T|1)):
4:M,T?S:o,p,P-1,T?c&~1?3:7-c:0):T&&s==S||M,o,p,P-1,2):T&&s==S;if(c==2)for(c=4;q<=S;q
++)c|=m(q,S,S,n+h,P-h,2)?M,q,p,n,2)||q<S&T/4&&M,q,p,P,T&6):0;return
c&4?c&1?:T&1&&M,S,p,n,2)||M,o,p,n,0):c;}main(C*w,C**v){C*u;for(w=*++v;*++v;)puts(m(*v
-1,u,u=index(*v,0)-1,w-1,index(w,0)-1,2)?"true":"false");}

-Wallでコンパイルすると、argcがcharであることに不満があります。違法なパターンでクラッシュします。

これにより、正規表現と文字列が右から左に解析され、数文字が節約されます。

argvに入力、出力 逆行する 通常の順序：

$ ./a.out ab*a aa abba abab b
true
true
false
false

$ ./a.out "0*1|10" 1 10 0110 00001
true
true
false
true

$ ./a.out "0*(1|1+0)" 1 10 0110 00001
true
true
true
true

$ ./a.out "a?b+|(a+b|b+a?)+" abb babab aaa aabba a b
true
true
false
true
false
true

$ ./a.out "((A|B|C)+(a|(bbbbb)|bb|c)+)+" ABCABCaccabbbbbaACBbbb
false
$ ./a.out "((A|B|C)+(a|(bbbbb)|bb|c)+)+" ABCABCaccabbbbbaACBbbbb
true
20
mvds

Haskell：610 612627

main=getLine>>=f.words
d=reverse
u=0<1
j=[]
f(r:s)=mapM_(print.any null.c(d$b$'(':r++")"))s
c%(x,y)=(c:x,y)
s _ _ _[]=(j,j)
s n a b (x:y)|n<1&&x==a=(j,x:y)|x==a=f(-1)|x==b=f 1|u=f 0where f k=x%s(n+k)a b y
b r|m==j=r|u=b$d(o++"(("++x)++")("++z++")/)"++w where(c,m)=s 0'|''!'r;_:v=m;(o,_:x)=s 0'('')'$d c;(z,_:w)=s 0')''('v
(!)g f x=f x>>=g
c[]=(:j)
c r=f!c s where(s,f)=i r
p q@(r:s)|r=='('=(s,(:j))|u=(a,f!g)where(w,f)=i q;(a,g)=p w
_?[]=j
c?(h:r)|c==h=[r]|u=j
i(r:q)=maybe(q,(r?))id$lookup r$Zip")/*+?"$p q:Zip[e,w,w,w][\s->f s++g s,\s->s:l s,l,\s->s:f s]where(w,f)=i q;(e,g)=i w;l s|f s==j=j|u=f s++(f s>>=l)

ゴルフなし：

import Control.Monad
import Data.List

-- (aa|bb|cc)   -->  )|)cc()|)bb()aa((( 

testRegex = "a?b+|(a+b|b+a?)+"

interpret regex = any null . interpret' regex

interpret' regex = compile (rewrite regex)

mapFst f (x, y) = (f x, y)

splitWhileBalanced _ _ _ "" = ("", "")
splitWhileBalanced n b1 b2 (x:xs)
  | n < 1 && x == b1 = ("", x:xs)
  | x == b1   = f (-1)
  | x == b2   = f 1
  | otherwise = f 0
  where
    f k = mapFst (x:) $ splitWhileBalanced (n+k) b1 b2 xs

rewrite regex = reverse $ moveBars $ '(' : regex ++ ")"

moveBars regex
  | mtBar == "" = regex
  | otherwise = moveBars $ reverse (hOpen ++ "((" ++ tOpen) ++ ")(" ++ hClose ++ ")/)" ++ tClose
  where
    (hBar, mtBar) = splitWhileBalanced 0 '|' '!' regex -- '!' is a dummy character
    b:tBar = mtBar
    (hOpen, o:tOpen) = splitWhileBalanced 0 '(' ')' $ reverse hBar
    (hClose, c:tClose) = splitWhileBalanced 0 ')' '(' $ tBar

compile "" = \x -> [x]
compile rs = f <=< compile rs'
  where 
    (rs', f) = compile' rs

paren regex@(r:rs0)
  | r == '('  = (rs0, \x -> [x])
  | otherwise = (rs2, f <=< g)
  where
    (rs1, f) = compile' regex
    (rs2, g) = paren rs1

compile' (r:rs0) = case r of
  '/' -> (rs2, bar)
  '*' -> (rs1, star)
  '+' -> (rs1, plus)
  '?' -> (rs1, mark)
  ')' -> paren rs0
  _   -> (rs0, lit)
  where
    (rs1, f) = compile' rs0
    (rs2, g) = compile' rs1
    bar str = f str ++ g str
    plus str
      | null (f str) = []
      | otherwise = f str ++ (f str >>= plus)
    star str = str : plus str
    mark str = str : f str
    lit = maybe [] (\x -> [x]) . stripPrefix [r]

メモ：

|をサフィックス形式に変更してから、正規表現全体を逆にします。これで、演算子はプレフィックス形式になり、解析が簡単になりました。プログラムはこのように正規表現を解析します。リストモナドは非決定性に使用されます。

使用法：

> runghc Regex.hs
a?b+|(a+b|b+a?)+ abb babab aaa aabba a b
True
True
False
True
False
True
7
Thomas Eding

C（解析+マッチング） 727 670文字

これはまだ完全に最小限に抑えられていませんが、最初に正規表現を解析することがライブでの解釈に違いをもたらすかどうかを試してみたかったのです。解析とマッチングの両方が記述/理解しやすいものの、コストがかかるためです。

#define Q struct q
#define C char
#define R return
Q{Q*u,*n,*a;C c,m};Q*P(C*p,C*e){Q*r=calloc(99,1);C*n=p+1,c=1,w;if(p==e)R
r;if(*p==40){for(;c;)c+=(*n==40)-(*n++==41);r->u=P(p+1,n-1);}else
if(*p=='|'){r->a=P(p+1,e);R r;}else r->c=*p;if(n<e){if(*n==43)*n=42,r->n=P(p,e);else
w=*n==42|*n==63,r->n=P(n+w,e),r->m=w?*n:0;r->a=r->n->a;}R r;}M(Q*r,C*s,C*o,C*z){C*p,
e;e=r?r->m==63|r->m==42&&M(r->n,s,o,z)?:*s&&r->c==*s?M(r->m==42?r:r->n,s+1,o,z):2:s
==z;if(e-2)R e;for(p=s,e=0;!r->c&p<=z;p++)e|=M(r->u,s,s,p)&(r->m!=42|p>s)&&M(r->m==
42?r:r->n,p,p,z);R e||r->a&&M(r->a,o,o,z);}main(C
c,C**v){for(;--c>1;)puts(M(P(v[1],index(v[1],0)),v[c],v[c],index(v[c],0))?"true":"false");}

正規表現を構造体に解析します。各構造体には次のものがあります。

  • 照合する文字または照合するサブパターンの構造体へのポインタ
  • 次のシンボル構造体へのポインタ（存在する場合）
  • 次の代替パターンへのポインタ（存在する場合）
  • \ 0、*または?-(pat)+の乗数はすぐに(pat)(pat)*に解析されるため、マッチングがはるかに簡単になります。
7
mvds

Ruby 1.9：709文字

R=gets.chop;s='';k=[];n=a=0
G={?(=>(A="(a-=1;s<<0)if a>1;")+"k<<[n,a];n=a=0",
Y=?|=>(B="s<<0while 0<a-=1;")+"n+=1",
?)=>B+(C="s<<?|while 0<=n-=1;")+"n,a=k.pop"+F=";a+=1",
?*=>D="s<<c",?+=>D,??=>D}
R.each_char{|c|eval G[c]||A+D+F};eval B+C
def P l,s;l.map{|a|a<<s};end
J={??=>(K="a=k.pop;")+"k<<[{Y=>n=[a[0]]},a[1]<<n]",
?*=>K+(H="P a[1],s={Y=>n=[a[0]]};")+"k<<[s,[n]]",
?+=>K+H+"k<<[a[0],[n]]",
Y=>(I=K+"b=k.pop;")+"k<<[{Y=>[a[0],b[0]]},a[1]+b[1]]",
?\0=>I+"P b[1],a[0];k<<[b[0],a[1]]"}
k=[];s.each_char{|c|eval J[c]||"k<<[{c=>a=[]},[a]]"}
e=k[0];P e[1],R;
p $<.map{|l|s=l.chop;*a=e[0]
s.each_char{|c|eval@f="n=a;a=a.map{|h|h[Y]||[h]}.flatten"while a!=n
a=a.inject([]){|a,h|a+(h[c]||[])}}
eval@f;a.include? R}

（これはRuby 1.8でも機能し、以下のエイリアスを追加することで45文字が追加されます）

type testcase.txt | Ruby regex.rbでテストする

Rubyでの Russ CoxのNFAパーサー の実装。状態は、次の状態の配列を保持する単一のキーを持つハッシュとして表されます。

ゴルフなし：

#needed to run on Ruby 1.8
class String
  alias :each_char :each_byte 
end  

## Infix to Postfix

R=gets.chop  
p "regexp = #{R}"
k=[] 
s=''  #will hold postfix string
n=a=0 #count braNches and Atoms
postfix = R.each_char{|c|
  case c
    when ?(
        (a-=1;s<<0)if a>1
        k<<[n,a]
        n=a=0
    when ?|
      s<<0while 0<a-=1
      n+=1
    when ?)
      s<<0while 0<a-=1
      s<<?|while 0<=n-=1
      n,a=k.pop;a+=1
    when ?*,?+,??
      s<< c
    else
      (a-=1;s<<0)if a>1
      s<< c
      a+=1
  end
}
s<<0while 0<a-=1
s<<?|while 0<=n-=1

## Postfix to NFA
# State is {char=>s0=[state,state]]
# Frag is [state, [s0,...]]

Y=?|   #choice indicator
X={:true=>[R]} #matcstate

 def patch l,s   #l is list of arrays, s is state.  Put s in each array
   l.map{|a|   a<< s   }
end

k=[]
s.each_char{|c|
 case c
    when ??
      a=k.pop
      s={Y=>n=[a[0]]}
      k<<[s,a[1]<<n]
    when ?*
      a=k.pop
      s={Y=>n=[a[0]]}
      patch(a[1],s)
      k<<[s,[n]]
    when ?+
      a=k.pop
      s={Y=>n=[a[0]]}
      patch(a[1],s)
      k<<[a[0],[n]]
    when ?|
     b=k.pop
     a=k.pop
      s={Y=>[a[0],b[0]]}
      k<<[s,a[1]+b[1]]
    when 0
     b=k.pop
     a=k.pop
     patch(a[1],b[0])
     k<<[a[0],b[1]]
   else
     k<<[{c=>a=[]},[a]]
   end
}
e=k.pop
patch(e[1],X)

#Running the NFA

E=[e[0]] #Evaluator
p $<.map{|l|s=l.chop
  p "evaluating: #{s}" 
  a=E
  s.each_char{|c|
    begin     #skip past split nodes
      s=a.size
      a=a.map{|h|h[?|]||[h]}.flatten  
    end while a.size!=s
    a=a.inject([]){|a,h|
    a+(h[c]||[])}  #add next state or null
  }
  a=a.map{|h|h[?|]||[h]}.flatten
  r = a.include? X  #check for end of pattern
  p r
  r
}
5
AShelly

Perl、596文字

半説明：

  • これは、高次Perlの第8章にある継続渡しスタイルのパーサーコンビネーターに基づいています。
  • 約70文字を削除するのを手伝ってくれた功績は、Vincent Pit（VPIT）にあります。
  • _S { block }_は_sub { block }_と同じですが、毎回2文字短くなっています。
  • _$,_はnil（常に一致し、何も消費しないマッチャーを含むcoderef）
  • cはn項連結です（任意の数のマッチャーを取得し、それらがすべて順番に成功した場合に成功するマッチャーを返します）。
  • aはn項の交替です（任意の数のマッチャーを取得し、それらのいずれかが成功した場合に成功したマッチャーを返します）。
  • Aは、正規表現ビルダーのヘルパーです。これは、連結の交互の構造を取り、必要に応じてCとaに渡して、マッチャーを返します。
  • kはスターです（マッチャーを取得し、それに一致するマッチャーを0回以上順番に返します。s()は_s///_演算子として解析されるため、Kleeneの場合はk :)
  • doブロックは、一度に1文字ずつ正規表現を解析します。 _@$r_は現在の連結リスト、_@a_は現在の代替リスト、_@p_は親グループスタックです。 _a+_は_aa*_として扱われ、_a?_はbのインラインで_(a|)_として扱われます（plusまたはmaybeの関数はありません）。
  • 最後の行の_S{!length pop}_は、入力の終わりで成功するマッチャーです。これは、正規表現マッチャーの続きとして渡されます。つまり、正規表現は、文字列全体と一致できる場合にのみ成功します。

ほとんど脱コルフされ、コメントが多いコードについては、 this Gist を参照してください。

Perl regexer.pl 'a?b+|(a+b|b+a?)+' abb babab aaa aabba a bとして実行します。コードに必須の改行はありません。

_use feature':5.12';
sub S(&){pop}
$,=S{goto pop};
sub p{Push@{+shift},@_}
sub c{my$l=$,;for my$r(@_){my$L=$l;
$l=S{my($i,$c)=@_;&$L($i,S{&$r(shift,$c)})}}$l}
sub a{my@A=@_;S{my($i,$c,$o)=@_;$o=&$_($i,$c)and return$o for@A;0}}
sub A{$#_?a(map c(@$_),@_):c(@{+pop})}
sub k{my($I,$k)=@_;$k=a c($I,S{&$k}),$,}
$_=shift;$P=do{@a=$r=[];for(/./g){
when('('){p\@p,[@a];@a=$r=[]}
when(')'){$p=A@a;@a=@{pop@p};p$r=$a[-1],$p}
p\@a,$r=[]when'|';
p$r,k pop@$r when'*';
p$r,c $$r[-1],k pop@$r when'+';
p$r,a pop@$r,$,when '?';
my$s=$_;p$r,S{my($_,$c)=@_;s/^\Q$s//&&$_->$c}}A@a};
say&$P($_,S{!length pop})?"true":"false"for@ARGV
_
5
hobbs

JavaScript、658文字

_// All whitespace is optional
function c(f,p){
    var x=f[0],w=p[0],h="substr",s=f[h](2),b=p[h](1),m=0,t=0,r,g,a=0,l,u="length",y="*";
    switch(f[1]){
        case"+":if(x!=w)return;f=x+y+s;
        case y:return x==w&&c(f,b)||c(s,p);
        case"?":return x==w&&c(s,b)||c(s,p)
    }
    if(x=="("){
        o:for(l=[""];t<f[u];t++){
            switch(f[t]){
                case"|":if(a==1){m=l.Push("")-1;continue}break;
                case"(":if(++a==1)continue;break;
                case")":if(!--a)break o
            }
            l[m]+=f[t]
        }
        var v=0,e=t+1;
        return l.some(function(g){
            switch(f[t+1]){
                case y:v=1;
                case"+":e=t+2;
                    for(var q=0;q<f[u];q++)
                        if(c(g+Array(q).join(f[h](0,e))+f[h](e),p))
                            return 1;
                    return;
                case"?":v=1;e=t+2;default:if(c(g+f[h](e),p))return 1;
            }
        })||(v&&c(f[h](e),p))
    }
    return p[u]?(x==w&&c(f[h](1),b)):!f[u]
}

// Make it look nicer
function test(regex, string) { return !!c('(' + regex + ')', string); }

test('a?b+|(a+b|b+a?)+', 'abb') // true
test('a?b+|(a+b|b+a?)+', 'babab') // true
_

ゴルフなし、〜1500文字

_function test(reg, str) {
    console.log('Testing ' + reg + ' against ' + str);
    var c = reg[0], d = str[0];


    switch (reg[1]) {
        case '+': 
            if (c != d) 
                return false;   
            reg = c + '*' + reg.substr(2);
        case '*': 
            return (c == d && test(reg, str.substr(1))) || test(reg.substr(2), str);
        case '?': 
            return (c == d && test(reg.substr(2), str.substr(1))) || test(reg.substr(2), str);
    }

    if (c == '(') {
        var regs = [''];
        o: for (var level = n = i = 0; i < reg.length; i++) {
            //console.log(level + ': ' + n + ': ' + reg[i]);
            switch (reg[i]) {
                case '|': 
                    if (level == 1) { n = regs.Push('') - 1; continue; } 
                    break;
                case '(': 
                    if (++level == 1) continue; 
                    break;
                case ')': 
                    if (!--level) break o; 
                    break;
            };
            regs[n] += reg[i];
        }
        //console.log(regs); // An array of alternates (hello|hi) => ['hello', 'hi']        

        var optional = false, end = i+1;
        return regs.some(function(jitem) {
            switch (reg[i+1]) {
                case '*': optional = true; // Fall through
                case '+': 
                    end = i+2;
                    for (var k = 0; k < reg.length; k++)
                        if (test(jitem + Array(k).join(reg.substr(0, i+2)) + reg.substr(i+2), str))
                            return true;
                    return false;

                case '?': optional = true; end = i+2; // Fall through
                default: if (test(jitem + reg.substr(end), str)) return true;       
            }

        }) || (optional && test(reg.substr(end), str));
    }

    if (str == '')
        return reg == '';

    return c == d ? test(reg.substr(1), str.substr(1)) : false;

}
_

これは、再帰し、正規表現の前部と文字列の前部を切り取り、それ自体を呼び出すことによって機能します。たとえば、test("hello", "hello") => test("Ello", "Ello") => test("llo", "llo") => test("lo", "lo") => test("o", "o") => test("", "")はtrueを返します。注：裸のc関数は、暗黙の交替をサポートしません。つまり、_hello|hi_は機能しません。かっこで囲む必要があります：_(hello|hi)_。

4
Casey Chu