java - 正则表达式以匹配Java字符串

在Scala的解析器组合器(尤其是JavaTokensParser)中，存在一个stringLiteral定义，该定义与类似Java的字符串匹配。

def stringLiteral: Parser[String] =
              ("\""+"""([^"\p{Cntrl}\\]|\\[\\'"bfnrt]|\\u[a-fA-F0-9]{4})*"""+"\"").r

不幸的是，这个正则表达式does not work for long strings。有谁知道这样做的可重用实现，还是对正则表达式进行了更节省空间的修改？

最佳答案

有趣的问题!

只是玩这个，并提出了以下内容:

val r = ("\"" + "(?:[^\"\\p{Cntrl}\\\\]*|(?:\\\\(?:[\\\\'\"bfnrt]|u[a-fA-F0-9]{4}))*)*" + "\"").r

注意:上面的正则表达式是从第一个版本开始修复的...前导'\'和结尾字符都需要重复，而不仅仅是我原来使用的结尾字符!

编辑:找到一个更有效的正则表达式。使用以下命令，它可以解析最多950个\\ns对的字符串，而原始字符串只能解析556，至少在我的默认配置中。

val r = ("\"" + "(?:[^\"\\p{Cntrl}\\\\]*|\\\\[\\\\'\"bfnrt]|\\\\u[a-fA-F0-9]{4})*" + "\"").r

编辑2:根据@schmmd的评论，我有一个更好的正则表达式。这可以解析2500 \ns酷刑案。秘诀是使用贪婪的所有格修饰符，这基本上关闭了回溯的需要，因此也关闭了递归。

val r = (""""([^"\p{Cntrl}\\]*+(?:\\[\\'"bfnrt])*+(?:\\u[a-fA-F0-9]{4})*+)*+"""").r

解决方案的实质是每次匹配事物时都尽可能地尝试和咀嚼。

scala> val r = (""""([^"\p{Cntrl}\\]*+(?:\\[\\'"bfnrt])*+(?:\\u[a-fA-F0-9]{4})*+)*+"""").r
r: scala.util.matching.Regex = "([^"\p{Cntrl}\\]*+(?:\\[\\'"bfnrt])*+(?:\\u[a-fA-F0-9]{4})*+)*+"

scala> r.pattern.matcher("\"" + "\\ns" * 2500 + "\"").lookingAt
res4: Boolean = true

scala> r.pattern.matcher("\"" + "s" * 2500 + "\"").lookingAt
res5: Boolean = true

更新:已向scala人员提交了pull request。并且它被接受了。