C++ 如何获取正则表达式字符串的AST?
如何获取正则表达式的抽象语法树(AST)(在C++中) 比如说,C++ 如何获取正则表达式字符串的AST?,c++,regex,boost,C++,Regex,Boost,如何获取正则表达式的抽象语法树(AST)(在C++中) 比如说, (XYZ)|(123) 应产生以下树木: | / \ . . / \ / \ . Z . 3 / \ / \ X Y 1 2 是否有boost::spirit语法来解析正则表达式模式?boost::regex库应该有它,但我没有找到它。有没有其他开源工具可以为我提供regex的抽象表示?boost::regex
(XYZ)|(123)
应产生以下树木:
|
/ \
. .
/ \ / \
. Z . 3
/ \ / \
X Y 1 2
是否有
boost::spirit
语法来解析正则表达式模式?boost::regex
库应该有它,但我没有找到它。有没有其他开源工具可以为我提供regex的抽象表示?boost::regex似乎在basic_regex_parser.hpp中有一个手写的递归下降解析器。尽管感觉像是在重新发明轮子,但你自己在boost::spirit中编写语法时可能会更快,尤其是在有大量正则表达式格式的情况下。我认为boost Xpressive必须能够“几乎”做到这一点
我看看能否(用一个小样品)确认一下
其他想法包括使用Boost Spirit和通用utree设备来“存储”AST。您必须重新生成语法(对于正则表达式语法的常见子集来说,这相对简单),因此这可能意味着需要更多的工作
进度报告1
看着Xpressive,我取得了一些进展。我用DDD强大的图形数据显示得到了一些漂亮的图片。但还不够漂亮
然后我进一步探讨了“代码”方面:Xpressive是基于Boost协议构建的。它使用PROTO来定义一个DSL,它直接在C++代码中模拟正则表达式。
PROTO从C++代码中完全生成表达式树(泛型AST,如果你愿意)(通过重载所有可能的运算符)。然后,库(在本例中为Xpressive)需要通过遍历树来定义语义,例如
- 构建特定于域的表达式树
- 用语义信息对其进行注释/修饰
- 可能直接采取语义行动(例如,气和业力中的语义行动如何提升精神1)
可视化表达 现在,Boost原型表达树可以一般地可视化: 根据Xpressive的“Hello World”示例,我稍微扩展了Xpressive的“Hello World”示例,以显示表达式树:
#include <iostream>
#include <boost/xpressive/xpressive.hpp>
#include <boost/proto/proto.hpp>
using namespace boost::xpressive;
int main()
{
std::string hello( "hello world!" );
sregex rex = sregex::compile( "(\\w+) (\\w+)!" );
// equivalent proto based expression
rex = (s1= +_w) >> ' ' >> (s2= +_w) >> '!';
boost::proto::display_expr( (s1= +_w) >> ' ' >> (s2= +_w) >> '!');
smatch what;
if( regex_match( hello, what, rex ) )
{
std::cout << what[0] << '\n'; // whole match
std::cout << what[1] << '\n'; // first capture
std::cout << what[2] << '\n'; // second capture
}
return 0;
}
免责声明您应该意识到,这实际上并没有显示Regex AST,而是Proto中的泛型表达式树,因此它没有特定于域(Regex)的信息。我之所以提到它,是因为这种差异可能会导致更多的工作(除非我在Xpressive的编译结构中找到一个钩子),以便它对原始问题真正有用
现在就这样
我会在那张纸条上留言,因为现在是午餐时间,我要去接孩子们,但这肯定引起了我的兴趣,所以我打算稍后再发更多的帖子
结论/进度报告1.0000001 坏消息马上就来了:这行不通 原因如下。这个免责声明在金钱上是正确的。当周末到来时,我已经仔细考虑了一些事情,并且“预测”整个事情将在我离开的地方崩溃:AST基于原型表达式树(而不是regex
matchable\u ex
)
经过一些代码检查后,这一事实很快得到了证实:编译后,原型表达式树不再显示。更不用说当基本正则表达式最初被指定为动态模式时(它从来没有原型表达式)
我一直希望匹配可以直接在proto-expression树上实现(使用proto-evalutation/evaluation上下文),但很快就证实了事实并非如此
因此,主要的收获是:
- 这对于显示任何正则表达式AST都是行不通的
- 使用上面的代码,您所能做的最好的事情就是可视化一个原型表达式,您必须直接在代码中创建它。这是一种用同样的代码手动编写AST的奇特方式
- boostproto和boostexpressive是非常有趣的库(我不介意在那里钓鱼)。我显然学到了一些关于模板元编程库的重要经验,尤其是这些库
- 很难设计一个构建静态类型表达式树的正则表达式解析器。事实上,这在一般情况下是不可能的——它需要编译器实例化所有可能的表达式树组合到一定的深度。这显然不会扩大规模。您可以通过引入多态组合和使用多态调用来解决这个问题,但这将消除模板元编程(静态实例化类型/专门化的编译时优化)的好处
- boostregex和boostexpressive都可能在内部支持某种Regex-AST(以支持匹配计算),但是
- 它还没有公开/记录
- 没有明显的显示设备
我又一次无意中问到了这个问题。我决定看看用Boost Spirit为正则表达式语法的重要子集编写解析器到底有多困难 所以,像往常一样,我从纸和笔开始,过了一段时间,我就想到了一些规则草案。绘制类似AST的时间:
namespace ast
{
struct multiplicity
{
unsigned minoccurs;
boost::optional<unsigned> maxoccurs;
bool greedy;
multiplicity(unsigned minoccurs = 1, boost::optional<unsigned> maxoccurs = 1)
: minoccurs(minoccurs), maxoccurs(maxoccurs), greedy(true)
{ }
bool unbounded() const { return !maxoccurs; }
bool repeating() const { return !maxoccurs || *maxoccurs > 1; }
};
struct charset
{
bool negated;
using range = boost::tuple<char, char>; // from, till
using element = boost::variant<char, range>;
std::set<element> elements;
// TODO: single set for loose elements, simplify() method
};
struct start_of_match {};
struct end_of_match {};
struct any_char {};
struct group;
typedef boost::variant< // unquantified expression
start_of_match,
end_of_match,
any_char,
charset,
std::string, // literal
boost::recursive_wrapper<group> // sub expression
> simple;
struct atom // quantified simple expression
{
simple expr;
multiplicity mult;
};
using sequence = std::vector<atom>;
using alternative = std::vector<sequence>;
using regex = boost::variant<atom, sequence, alternative>;
struct group {
alternative root;
group() = default;
group(alternative root) : root(std::move(root)) { }
};
}
现在,真正的乐趣是使用AST做一些事情。因为您想可视化树,所以我考虑从AST生成点图。所以我做了:
int main()
{
std::cout << "digraph common {\n";
for (std::string pattern: {
"abc?",
"ab+c",
"(ab)+c",
"[^-a\\-f-z\"\\]aaaa-]?",
"abc|d",
"a?",
".*?(a|b){,9}?",
"(XYZ)|(123)",
})
{
std::cout << "// ================= " << pattern << " ========\n";
ast::regex tree;
if (doParse(pattern, tree))
{
check_roundtrip(tree, pattern);
regex_todigraph printer(std::cout, pattern);
boost::apply_visitor(printer, tree);
}
}
std::cout << "}\n";
}
intmain()
{
库特添加了一个小的免责声明,以防止任何误解。这是正在进行的工作。但它显示出了真正的潜在迹象,伊莫加-等待周末继续
int main()
{
std::cout << "digraph common {\n";
for (std::string pattern: {
"abc?",
"ab+c",
"(ab)+c",
"[^-a\\-f-z\"\\]aaaa-]?",
"abc|d",
"a?",
".*?(a|b){,9}?",
"(XYZ)|(123)",
})
{
std::cout << "// ================= " << pattern << " ========\n";
ast::regex tree;
if (doParse(pattern, tree))
{
check_roundtrip(tree, pattern);
regex_todigraph printer(std::cout, pattern);
boost::apply_visitor(printer, tree);
}
}
std::cout << "}\n";
}