Rust正規表現のキャプチャフィールドを反復する

Question

SMILESの標準化学式文字列をトークン化するパーサであるhttp：// frowns.sourceforge.netから入手可能なfrownsパーサを使用して遊んでいます。特に私はそれをRustに移植しようとしています。

パーサーで「原子」トークンの元の正規表現は、この（パイソン）のように見える：フィールドリストは、正規表現パーサーのreportability、ならびにトラック解析エラーを改善するために使用される

element_symbols_pattern = \ 
    r"C[laroudsemf]?|Os?|N[eaibdpos]?|S[icernbmg]?|P[drmtboau]?|" \ 
    r"H[eofgas]?|c|n|o|s|p|A[lrsgutcm]|B[eraik]?|Dy|E[urs]|F[erm]?|" \ 
    r"G[aed]|I[nr]?|Kr?|L[iaur]|M[gnodt]|R[buhenaf]|T[icebmalh]|" \ 
    r"U|V|W|Xe|Yb?|Z[nr]|\*" 

atom_fields = [ 
    "raw_atom", 
    "open_bracket", 
    "weight", 
    "element", 
    "chiral_count", 
    "chiral_named", 
    "chiral_symbols", 
    "hcount", 
    "positive_count", 
    "positive_symbols", 
    "negative_count", 
    "negative_symbols", 
    "error_1", 
    "error_2", 
    "close_bracket", 
    "error_3", 
    ] 

atom = re.compile(r""" 
(?P<raw_atom>Cl|Br|[cnospBCNOFPSI]) | # "raw" means outside of brackets 
(
    (?P<open_bracket>\[)     # Start bracket 
    (?P<weight>\d+)?      # Atomic weight (optional) 
    (         # valid term or error 
    (         # valid term 
    (?P<element>""" + element_symbols_pattern + r""") # element or aromatic 
    (         # Chirality can be 
    (?P<chiral_count>@\d+) |   # @1 @2 @3 ... 
    (?P<chiral_named>     # or 
     @TH[12] |      # @TA1 @TA2 
     @AL[12] |      # @AL1 @AL2 
     @SP[123] |      # @SP1 @SP2 @SP3 
     @TB(1[0-9]?|20?|[3-9]) |  # @TB{1-20} 
     @OH(1[0-9]?|2[0-9]?|30?|[4-9])) | # @OH{1-30} 
    (?P<chiral_symbols>@+)   # or @@@@@@@... 
    )?         # and chirality is optional 
    (?P<hcount>H\d*)?     # Optional hydrogen count 
    (         # Charges can be 
    (?P<positive_count>\+\d+) |  # +<number> 
    (?P<positive_symbols>\++) |  # +++... This includes the single '+' 
    (?P<negative_count>-\d+) |  # -<number> 
    (?P<negative_symbols>-+)   # ---... including a single '-' 
    )?         # and are optional 
    (?P<error_1>[^\]]+)?    # If there's anything left, it's an error 
) | (        # End of parsing stuff in []s, except 
    (?P<error_2>[^\]]*)    # If there was an error, we get here 
)) 
    ((?P<close_bracket>\])|    # End bracket 
    (?P<error_3>$))      # unexpectedly reached end of string 
) 
""", re.X) 

。

括弧を付けずにトークンを正しく解析しましたが、角括弧（例えば、[S]の代わりにS）を含めると、それが壊れてしまいます。だから私は、コメントでそれを絞り込むました：

extern crate regex; 
use regex::Regex; 

fn main() { 
    let atom_fields: Vec<&'static str> = vec![ 
     "raw_atom", 
     "open_bracket", 
     "weight", 
     "element", 
     "chiral_count", 
     "chiral_named", 
     "chiral_symbols", 
     "hcount", 
     "positive_count", 
     "positive_symbols", 
     "negative_count", 
     "negative_symbols", 
     "error_1", 
     "error_2", 
     "close_bracket", 
     "error_3" 
    ]; 

    const EL_SYMBOLS: &'static str = r#"(?P<element>S?|\*")"#; 
     let atom_re_str: &String = &String::from(vec![ 
// r"(?P<raw_atom>Cl|Br|[cnospBCNOFPSI])|", // "raw" means outside of brackets 
     r"(", 
     r"(?P<open_bracket>\[)",     // Start bracket 
//  r"(?P<weight>\d+)?",      // Atomic weight (optional) 
     r"(",         // valid term or error 
     r"(",         // valid term  
      &EL_SYMBOLS,       // element or aromatic 
//  r"(",         // Chirality can be 
//  r"(?P<chiral_count>@\d+)|",   // @1 @2 @3 ...  
//  r"(?P<chiral_named>",     // or 
//   r"@TH[12]|",       // @TA1 @TA2 
//   r"@AL[12]|",       // @AL1 @AL2 
//   r"@SP[123]|",      // @SP1 @SP2 @SP3  
//   r"@TB(1[0-9]?|20?|[3-9])|",   // @TB{1-20}  
//   r"@OH(1[0-9]?|2[0-9]?|30?|[4-9]))|", // @OH{1-30}  
//   r"(?P<chiral_symbols>@+)",   // or @@@@...., 
//  r")?",        // and chirality is optional  
//  r"(?P<hcount>H\d*)?",     // Optional hydrogen count  
//  r"(",         // Charges can be  
//  r"(?P<positive_count>\+\d+)|",  // +<number>  
//  r"(?P<positive_symbols>\++)|",  // +++...including a single '+'  
//  r"(?P<negative_count>-\d+)|",   // -<number>  
//  r"(?P<negative_symbols>-+)",   // ---... including a single '-' 
//  r")?",         // and are optional  
//  r"(?P<error_1>[^\]]+)?",    // anything left is an error  
     r")",         // End of stuff in []s, except  
     r"|((?P<error_2>[^\]]*)",     // If other error, we get here 
     r"))", 
     r"((?P<close_bracket>\])|",    // End bracket  
     r"(?P<error_3>$)))"].join(""));   // unexpected end of string 

    println!("generated regex: {}", &atom_re_str); 
    let atom_re = Regex::new(&atom_re_str).unwrap(); 

    for cur_char in "[S]".chars() { 
     let cur_string = cur_char.to_string(); 
     println!("cur string: {}", &cur_string); 
     let captures = atom_re.captures(&cur_string.as_str()).unwrap(); 
// if captures.name("atom").is_some() { 
// for cur_field in &atom_fields { 
//  let field_capture = captures.name(cur_field); 
//  if cur_field.contains("error") { 
//  if *cur_field == "error_3" { 
//   // TODO replace me with a real error 
//   println!("current char: {:?}", &cur_char); 
//   panic!("Missing a close bracket (]). Looks like: {}.", 
//    field_capture.unwrap()); 
//  } else { 
//   panic!("I don't recognize the character. Looks like: {}.", 
//    field_capture.unwrap()); 
//  }  
//  } else { 
//  println!("ok! matched {:?}", &cur_char); 
//  } 
// } 
// } 
    } 
} 

-

をあなたが生成錆の正規表現がDebuggexに動作することを確認できます

((?P<open_bracket>\[)(((?P<element>S?|\*"))|((?P<error_2>[^\]]*)))((?P<close_bracket>\])|(?P<error_3>$))) 

（http://debuggex.com/r/7j75Y2F1ph1v9jfL）

例を実行すると（https://gitlab.com/araster/frowns_regex）、開いている括弧は正しく解析されますが、.captures().unwrap()は次の文字 'S'で消滅します。私が完全な式を使用すると、角括弧を持たない限り、眉毛のテストファイルからあらゆる種類のものを解析できます。

私は間違っていますか？

Answer 1

入力文字列の各文字を繰り返して、1文字で構成される文字列に正規表現をマッチさせようとしています。しかし、この正規表現は個々の文字と一致するようには設計されていません。実際には、正規表現は全体として[S]と一致します。

複数の一致を1つの文字列で検索したい場合は、capturesの代わりにcaptures_iterを使用して、すべての一致とそれぞれの一致を繰り返し処理します（それぞれの一致は数式になります。式にマッチする）。

for captures in atom_re.captures_iter("[S]") { 
    // check the captures of each match 
} 

あなただけにしてではなく、個々の文字に比べて、文字列全体にcapturesを使用し、文字列の最初のマッチを検索する場合。