Regex Haskell:正则表达式和数据.Text

处理大量文本数据时，建议使用

data.Text

而不是Haskell的本机字符串。检查完毕。但是正则表达式呢？是否有专门针对

数据的正则表达式库。Text

？据我所见，所有正则表达式库都在处理Haskell原生字符串或更糟糕的CString。

我对Haskell一无所知，但无论使用何种编程语言，阅读始终是一个好主意

使用扩展且非常丰富的函数族来处理 Unicode文本（包括规范化、正则表达式、， 非标准编码、文本中断和区域设置），请参阅文本 包装：

---

更准确地说，正则表达式生态系统和Haskell

Regexes是一种从其他语言迁移过来的工具，人们希望它是该语言中可用的工具之一。在编译语言中，这种功能往往以库的形式出现，如。脚本语言通常在语言中内置正则表达式，但在后台，解释器正在使用这些库中的一个

这是有充分理由的。有限状态自动机相当神秘，实现起来有些繁琐，而且很难提高效率。为什么要重新发明轮子

那么哈斯克尔到底怎么了？好的，这些众所周知的库都在8位字的数组上工作，数组以Haskell命名法中的

NUL

字节--a

CString

终止。Haskell中的常规字符串是。（确切地说：

类型String=[Char]

）。这会导致两个问题：1）字符是单个unicode字符，而不是8位字节。（GHC在内部将字符存储为UTF16）和2）列表不是数组。这意味着，如果我们想在Haskell中使用正则表达式，我们要么需要将文本转换为CStiring，并对PCRE之类的东西进行外部调用，要么实现一个高效的有限状态自动机和

将unicode转换为ascii是一种有损且危险的操作。一些库对它们正在处理的字符串进行一些假设，并为您进行转换，另一些库则让您为它们构建CString，以便您可以确定当一个字符串显示在教程文本中时要做什么

---

那么关于

Data.Text

呢？它至少是一个数组，但在内部它是一个UTF16数组。仍然可以转换为8位CString，但效率不高。还可以使用支持unicode的正则表达式引擎。具有，并且在包中有一个绑定。Unicode的本质意味着这个包的效率低于PCRE，因此有些人仍然喜欢使用后者的绑定。你必须根据你使用正则表达式的目的来决定你的偏好

请记住，考虑到在Haskell中编写解析器（实际上是几十个包）的方便性，正则表达式在大多数惯用的Haskell代码中实际上并不常见。解析器往往更易读（您命名的产品等），更易于维护，并且不一定慢很多。您尝试过Text.Regex.TDFA吗[？我觉得它足够快，但不知道在您的情况下，什么意味着大量的数据。我也同意@copumpkin解析器，比如Text。Parsec在大多数情况下都更合适。具体请参见文本版本：