rulex：Rust一种新的正则表达式语言

22-03-12 banq

普通的正则函数是非常简洁的，但当它们变长时，它们就变得越来越难理解。
默认情况下，它们没有注释，而空白是重要的。
然后是大量的符号和反斜杠转义，不遵循任何可识别的系统。(?<=) (?P<>) .?? \N \p{} \k<> \g'' 等等。
而且，在不同的regex实现之间存在各种不一致，这是造成混乱的完美秘诀。

Rulex用一种新的、更简单的语法解决了这些问题。
  • 它对空格不敏感，并允许注释
  • 文本必须出现在引号中。这使得表达式更长，但也更容易阅读。
  • 没有反斜杠转义
  • 非捕获组是默认的
  • 语法更一致


Rulex目前与PCRE、JavaScript、Java、.NET、Python、Ruby和Rust兼容。在编译过程中，必须要指定搜索结果，所以rulex可以确保产生的搜索结果在目标搜索结果引擎上能正常工作。

对JavaScript用户的重要提示。不要忘记启用u标志。这是支持Unicode的必要条件。所有其他主要的 regex 引擎默认都支持 Unicode。

案例：

# String
'hello world'                 # hello world

# Lazy repetition
'hello'{1,5}                  # (?:hello){1,5}?
'hello'*                      # (?:hello)*?
'hello'+                      # (?:hello)+?

# Greedy repetition
'hello'{1,5} greedy           # (?:hello){1,5}
'hello'* greedy               # (?:hello)*
'hello'+ greedy               # (?:hello)+

# Alternation
'hello' | 'world'             # hello|world

# Character classes
<p class="indent">['aeiou']                     # [aeiou]
<p class="indent">['p'-'s']                     # [p-s]


 
它不受任何正则表达式库的支持。您只需指定正则表达式风格（例如Rust，如果您使用的是 Rust 正则表达式箱），它会输出一个正则表达式，然后您可以将其传递给任何正则表达式引擎：

let my_regex = regex::Regex::new(
    rulex::Rulex::compile(
        r#"['tT'] 'est' '!'+"#,
        rulex::options::CompileOptions {
            flavor: rulex::options::RegexFlavor::Rust,
            ..Default::default()
        },
    ).unwrap(),
).unwrap();


但是如果在编译时知道正则表达式，推荐使用 rulex-macro crate，它更方便，不添加运行时依赖，甚至在编译时显示诊断：

let my_regex = regex::Regex::new(
    rulex!(r#"['tT'] 'est' '!'+"#),
)
.unwrap();


 

1