Ruby 正则表达式来匹配具有重复模式的字符串

我正试图找到一个正则表达式，它将URL与三个或更多重复段（可能包括任意数量的目录）相匹配，例如：

• s1='1〕http://www.foo.com/bar/bar/bar/“

• s2=http://www.foo.com/baz/biz/baz/biz/baz/biz/etc“

• s3='/foo/bar/foo/bar/foo/bar/'

并且不匹配URL，如：

• s4='/foo/bar/foo/bar/foo/barbaz'

首先，我尝试：

re1 = /((.+\/)+)\1\1/

有效的方法是：

re1 === s1 #=> true
re1 === s2 #=> true

但随着段数的增加，正则表达式匹配所需的时间呈指数增长：

require 'benchmark'
Benchmark.bm do |b|
  (10..15).each do |num|
    str = '/foo/bar' * num
    puts str
    b.report("#{num} repeats:") { /((.+\/)+)\1\1/ === str }
  end
end

       user     system      total        real
/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
    10 repeats:  0.060000   0.000000   0.060000 (  0.054839)
    /foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
    11 repeats:  0.210000   0.000000   0.210000 (  0.213492)
    /foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
    12 repeats:  0.870000   0.000000   0.870000 (  0.871879)
    /foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
    13 repeats:  3.370000   0.010000   3.380000 (  3.399224)
    /foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
    14 repeats: 13.580000   0.110000  13.690000 ( 13.790675)
    /foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
    15 repeats: 54.090000   0.210000  54.300000 ( 54.562672)

然后，我尝试了一个类似于给定的正则表达式：

它没有性能问题，并且匹配我想要匹配的字符串：

re2 === s3 #=> true

但也匹配我不希望匹配的字符串，例如：

re2 === s4 #=> true, but should be false

---

我和第二个正则表达式很接近。我缺少什么？

将

更改为

[^\/]

。这将降低正则表达式的复杂性，因为它不会试图匹配“任何”字符

require 'benchmark'

Benchmark.bm do |b|
  (10..15).each do |num|
    str = '/foo/bar' * num
    puts str
    b.report("#{num} repeats:") { /(([^\/]+\/)+)\1\1/ === str }
  end
end

10 repeats:  0.000000   0.000000   0.000000 (  0.000015)
/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
11 repeats:  0.000000   0.000000   0.000000 (  0.000004)
/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
12 repeats:  0.000000   0.000000   0.000000 (  0.000004)
/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
13 repeats:  0.000000   0.000000   0.000000 (  0.000004)
/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
14 repeats:  0.000000   0.000000   0.000000 (  0.000004)
/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar/foo/bar
15 repeats:  0.000000   0.000000   0.000000 (  0.000005)

---

定义

假设：

str = 'http://www.example.com/dog/baz/biz/baz/biz/baz/biz/cat/'

我们可以将

'/dog'

、

'/baz'

、

'/biz'

等定义为段。一个组由一个或多个连续段组成，例如

'/dog'

，

'/baz'

，

'/dog/baz'

，

'/baz'

，

'/baz/biz'

，

'/baz/biz'

，等等

问题

我的理解是，问题在于确定给定字符串是否包含三个（或更多）连续且相等的组，后跟正斜杠<代码>s2通过以下子字符串满足此测试：

'/baz/biz/baz/biz/baz/biz/'

算法

我不相信可以用一个正则表达式来做这个决定，但是我们可以编写一个正则表达式来确定是否存在至少三个（或任意数量的）连续的、相等的组，给定每个组的段数。假设这是通过名为

连续\u固定\u组\u大小？

的方法完成的，其调用如下：

contiguous_fixed_group_size?(str, segments_per_group, nbr_groups)

并返回

true

或

false

。为了确保字符串至少有3个连续、相等的组（对于每个组

段的给定值
），我们将此方法称为
nbr\u组=3
。我认为最好暂时推迟这种方法的建设；就目前而言，假设我们可以使用它

我采用的方法是使用每个组
段的不同值调用此方法，并确定该方法是否至少为其中一个值返回
true

主要方法

第一步是确定字符串中的段数（其中
str
包含上述字符串）：

因此：

segments_per_group <= nbr_segments/nbr_groups

因此，我们可以确定
str
是否包含（至少）
nbr\u组
相邻的相等组，如下所示：

(1..nbr_segments/nbr_groups).any? do |segs_per_group|
  contiguous_fixed_group_size?(str, segs_per_group, nbr_groups)
end
  #=> true

def contiguous_fixed_group_size?(str, segments_per_group, nbr_groups)
  r = /((?:\/[^\/]+){#{segments_per_group}})\1{#{nbr_groups-1}}/ 
  str.match?(r)
end

我们可以将其包装在一个方法中：

def contiguous?(str, nbr_groups)
  nbr_segments = str.scan(/(?<!\/)\/(?!\/)/).size - 1
  (1..nbr_segments/nbr_groups).any? do |segs_per_grp|
    contiguous_fixed_group_size?(str, segs_per_grp, nbr_groups)
  end
end

为了

正则表达式是：

r #=> /((?:\/[^\/]+){2})\1{2}\//

此处以自由间距模式写入：


segments_per_group <= 8/3 => 2

(1..nbr_segments/nbr_groups).any? do |segs_per_group|
  contiguous_fixed_group_size?(str, segs_per_group, nbr_groups)
end
  #=> true

def contiguous?(str, nbr_groups)
  nbr_segments = str.scan(/(?<!\/)\/(?!\/)/).size - 1
  (1..nbr_segments/nbr_groups).any? do |segs_per_grp|
    contiguous_fixed_group_size?(str, segs_per_grp, nbr_groups)
  end
end

def contiguous_fixed_group_size?(str, segments_per_group, nbr_groups)
  r = /((?:\/[^\/]+){#{segments_per_group}})\1{#{nbr_groups-1}}/ 
  str.match?(r)
end

str = s2
segments_per_group = 2
nbr_groups = 3

r #=> /((?:\/[^\/]+){2})\1{2}\//

r = /
    (?<!\/)                    # match is not to be preceded by a forward slash
                               # (negative lookbehind)    
    (                          # begin capture group 1
      (?:                      # begin non-capture group
        \/[^\/]+               # match '/' followed by 1+ char other than '/'
      )                        # end non-capture group 
      {#{segments_per_group}}  # execute non-capture group segments_per_group times
    )                          # end capture group 1
    \1{#{nbr_groups-1}}        # execute contents of capture group 1
                               # nbr_groups-1 times 
    \/                         # match '/'
    /x                         # free-spacing regex definition mode

contiguous?(str, 3) #=> true
contiguous?(str, 2) #=> true
contiguous?(str, 1) #=> true
contiguous?(str, 4) #=> false

str = 'http://www.example.com/dog/baz/biz/baz/bix/baz/biz/cat/'
contiguous?(str, 3) #=> false
contiguous?(str, 2) #=> false
contiguous?(str, 1) #=> true