Haskell 用于子正则表达式匹配的TDFA（标记DFA）中标记转换的标记操作

我是Haskell编程的初学者。我试图使用Haskell programming+TDFA为正则表达式后端匹配正则表达式的字符串。而且，我成功地完成了子正则表达式匹配操作，但没有使用TDFA中提出的标记概念。例如，请参阅以下代码

{-# LANGUAGE MagicHash #-}

import Control.Monad
import Data.Array
import qualified Data.Text as T
import Text.Regex.TDFA
import Text.Regex.TDFA.Common       

str = "bbbb" :: String
regex = "(b|bb|bbb|bbbb)*" :: String

/*regex=“（tag1b | tag2bb | tag3bbb | tag4bbbb）*”：：String-->*/

main = do
  if str =~ regex then putStrLn "matched" else putStrLn "no matches"

  let matches = getAllTextMatches (str =~ regex) :: Array Int (Array Int String)
  print matches
-- Output: array (0,1) [(0,array (0,1) [(0,"bbbb"),(1,"bbbb")]),(1,array (0,1) [(0,""),(1,"")])]

  let matches = getAllTextMatches $ str =~ regex :: [Array Int String]
  print matches
-- Output: [array (0,1) [(0,"bbbb"),(1,"bbbb")],array (0,1) [(0,""),(1,"")]]

  let matches = getAllTextMatches $ str =~ regex :: Array Int [String]
  print matches
-- Output: array (0,1) [(0,["bbbb","bbbb"]),(1,["",""])]

  let matches = getAllTextMatches $ str =~ regex :: Array Int String
  print matches
-- Output: array (0,1) [(0,"bbbb"),(1,"")]

  let matches = getAllTextMatches $ str =~ regex :: [String]
  print matches
-- Output: ["bbbb",""]

  let matches = str =~ regex :: [[String]]
  print matches
-- Output: [["bbbb","bbbb"],["",""]]

  let matches = getAllTextMatches $ str =~ regex :: Array Int (MatchText String)
  print matches
-- Output: array (0,1) [(0,array (0,1) [(0,("bbbb",(0,4))),(1,("bbbb",(0,4)))]),(1,array (0,1) [(0,("",(4,0))),(1,("",(-1,0)))])]

-- Using getAllMatches

  let matches = getAllMatches $ str =~ regex :: Array Int MatchArray
  print matches
-- Output: array (0,1) [(0,array (0,1) [(0,(0,4)),(1,(0,4))]),(1,array (0,1) [(0,(4,0)),(1,(-1,0))])]

  let matches = getAllMatches $ str =~ regex :: Array Int (MatchOffset,MatchLength)
  print matches
-- Output: array (0,1) [(0,(0,4)),(1,(4,0))]

  let matches = getAllMatches $ str =~ regex :: [(MatchOffset,MatchLength)]
  print matches
-- Output: [(0,4),(4,0)]

无论如何，现在，我实际上非常感兴趣地看到TDFA上的标记操作在为接受的输入字符串匹配子表达式时是如何执行的。比如说,

我们有一个正则表达式，

R=（b | bb | bbb | bbbbb）*

和输入字符串=

“bbbbbb”

。因此，使用TDFA概念，如果我重写regex

R=（tag1b | tag2bb | tag3bbb | tag4bbbbb）*

然后尝试将其与输入字符串匹配=

“bbbbbb”

，那么我的兴趣是看看这些标记{1,2,3,4}执行了多少次

来匹配regex
R
。同样，在给定的输入字符串上，“bbbb”

，第一个

b

将是匹配的

tag1

的范围，与输入子字符串

“bbbb”

相同，“bbbbbb”将是

tag2

的范围，依此类推。这就是如何，如果我们现在考虑完整的给定输入字符串<代码>“BBBB”，那么<代码> TAG4将给出它的结果，同时给出<<代码> BBB <代码>“BBBB”< /> >匹配<代码> TAG3的范围，与<代码>“BB”<代码> > BBBB”相同。匹配了

tag2

的范围，最后

“bbbb”的
“b”
匹配了
tag1
的范围。因此，我希望使用TDFA模块查看这些操作
。就这样。我的意思是，
为了将子正则表达式与给定接受输入字符串的正则表达式匹配，这些标记必须更新多少次。就这样

因此，任何形式的帮助对我都是很大的……：）
附言：这对Haskell初学者来说是一个挑战，因此需要寻找Haskell黑客。我的意思是明智的…：）无论如何，希望最好…：）
不可能将显式标记写入传递给Regex-TDFA的regexp。正则表达式TDFA支持，在POSIX中，子匹配提取涉及捕获组（即括号中的子表达式）。您可以将捕获组与Regex TDFA一起使用，如下所示：

Prelude Text.Regex.TDFA> "bbbb" =~ "((b)|(bb)|(bbb)|(bbbb))*" :: MatchArray
array (0,5) [(0,(0,4)),(1,(0,4)),(2,(-1,0)),(3,(-1,0)),(4,(-1,0)),(5,(0,4))]

这里您可以看到表达式有6个捕获组：
（b）
、
（bb）
、
（bbb）
、
（bbbbbb）
、
（（b）|（bbb）|（bbbbbbbb））
以及整个regexp，它们在POSIX中始终是隐式的第一组

整个regexp在偏移量
0
和跨度
4
符号处匹配
（（b）|（bb）|（bbb）|（bbbb））
匹配偏移量
0
和跨距
4
符号
（b）
不匹配——因此起始偏移量
-1
和匹配长度
0
同样地，
（bb）
也不匹配
同样地，
（bbb）
也不匹配
最后，
（bbbb）
在偏移量
0
处匹配，并跨越
4
符号
您也可以将子匹配提取用于其他接口：

Prelude Text.Regex.TDFA> "bbbb" =~ "((b)|(bb)|(bbb)|(bbbb))*" :: [[String]]
[["bbbb","bbbb","","","","bbbb"],["","","","","",""]]

这些标记是由Regex-TDFA内部算法隐式添加的——它们是对用户隐藏的实现细节。如果您想要的是使用Haskell regexp提取子匹配，那么此时应该停止阅读。然而，如果您对Regex TDFA的操作理论感兴趣，那么您的问题的答案就要复杂得多

2000年，Regex TDFA基于标记DFA的概念

《正则表达式TDFA》的作者Chris Kuklewicz扩展了Ville算法以支持POSIX消歧语义。他在2007年非正式地描述了他的消歧算法，并对其进行了形式化或开发

Kuklewicz消歧算法是在中采用的，并在中进行了形式化（我恰好是该算法的作者）。RE2C还支持最左端的贪婪消歧语义，并允许您执行以下操作。另请参阅的简单示例或更复杂的示例，以了解该想法

回到你的问题：

为了使子正则表达式与给定接受输入字符串的正则表达式匹配，这些标记必须更新多少次

答案是，它取决于给定正则表达式的非确定性程度（有关解释，请参见第16页）。对于简单的标记确定性regexp，这是一个微不足道的常量时间开销。对于有界重复的病理病例，参见论文中的示例5（第21页）。另请参见基准测试（第27-29页），它们表明，在实际测试中，子匹配提取的开销相当小

还要注意的是，Regex-TDFA使用了延迟的去模糊化，也就是说，确定和POSIX消歧的所有开销都在运行时，因此子匹配提取的总体开销大于RE2C情况

最后，您可以使用
/Text/Regex/TDFA/TDFA.hs
中定义的
testedfa
调试函数来探索Regex-TDFA内部，并进一步调整它以打印您需要的信息。
@skvadrik
非常感谢您的反馈。然而，与此同时，我发现了一些更有趣的事情。不管怎样，你的回答对我来说很重要，好吗。再次感谢您……）