制限。まあ、彼らは確かにrecursive descent型マッチャーです。念頭に置いておきたいのは、再帰パターンはleft recursionを処理できないということだけです。これは、それを適用できる文法の種類に制約を課します。場合によっては、作品を並べ替えて左回帰をなくすこともできます。
BTW、PCREとPerlは、再帰のフレーズを許可する方法が少し異なります。 pcrepatternのマンページの "RECURSIVE PATTERNS"と "Perlからの再帰差分"のセクションを参照してください。例:Perlは^(.|(.)(?1)\2)$
を処理できますが、PCREには^((.)(?1)\2|.)$
が必要です。再帰パターンについて
再帰デモ
必要性は驚くほど頻繁に生じます。適切に訪問された例の1つは、バランスの取れたかっこ、引用符、またはHTML/XMLタグなど、ネストできるものと一致する必要がある場合です。
コンパクトな性質のため、読みにくいです。
‘ (?: [^‘’] *+ | (?0))* ’
:、明確な例では、ネストされた単一引用符に一致するだろう次に \((?: [^()] *+ | (?0))* \)
を再び、我々は再帰を括弧を使用しているので、これは空白はもはや重要作らないために/x
モードで容易に硬化可能です
再帰的に定義された別のものは、回文となります。この単純なパターンはPerlで動作します:あなたはこのような何か使用して、ほとんどのシステム上でテストすることができます
^((.)(?1)\2|.?)$
:再帰のPCREの実装が必要であること
$ perl -nle 'print if /^((.)(?1)\2|.?)$/i' /usr/share/dict/words
注意をより精巧
^(?:((.)(?1)\2|)|((.)(?3)\4|.))
これは、PCRE再帰がどのように機能するかの制限が原因です。
適切な解析
は私には、上記の例では、実際に、ほとんどすべてのその面白くないおもちゃが一致しています。面白くなると、実際に文法を解析しているときです。たとえば、RFC 5322では、メールアドレスが丁寧に定義されています。
$rfc5322 = qr{
(?(DEFINE)
(?<address> (?&mailbox) | (?&group))
(?<mailbox> (?&name_addr) | (?&addr_spec))
(?<name_addr> (?&display_name)? (?&angle_addr))
(?<angle_addr> (?&CFWS)? < (?&addr_spec) > (?&CFWS)?)
(?<group> (?&display_name) : (?:(?&mailbox_list) | (?&CFWS))? ; (?&CFWS)?)
(?<display_name> (?&phrase))
(?<mailbox_list> (?&mailbox) (?: , (?&mailbox))*)
(?<addr_spec> (?&local_part) \@ (?&domain))
(?<local_part> (?&dot_atom) | (?"ed_string))
(?<domain> (?&dot_atom) | (?&domain_literal))
(?<domain_literal> (?&CFWS)? \[ (?: (?&FWS)? (?&dcontent))* (?&FWS)?
\] (?&CFWS)?)
(?<dcontent> (?&dtext) | (?"ed_pair))
(?<dtext> (?&NO_WS_CTL) | [\x21-\x5a\x5e-\x7e])
(?<atext> (?&ALPHA) | (?&DIGIT) | [!#\$%&'*+-/=?^_`{|}~])
(?<atom> (?&CFWS)? (?&atext)+ (?&CFWS)?)
(?<dot_atom> (?&CFWS)? (?&dot_atom_text) (?&CFWS)?)
(?<dot_atom_text> (?&atext)+ (?: \. (?&atext)+)*)
(?<text> [\x01-\x09\x0b\x0c\x0e-\x7f])
(?<quoted_pair> \\ (?&text))
(?<qtext> (?&NO_WS_CTL) | [\x21\x23-\x5b\x5d-\x7e])
(?<qcontent> (?&qtext) | (?"ed_pair))
(?<quoted_string> (?&CFWS)? (?&DQUOTE) (?:(?&FWS)? (?&qcontent))*
(?&FWS)? (?&DQUOTE) (?&CFWS)?)
(?<word> (?&atom) | (?"ed_string))
(?<phrase> (?&word)+)
# Folding white space
(?<FWS> (?: (?&WSP)* (?&CRLF))? (?&WSP)+)
(?<ctext> (?&NO_WS_CTL) | [\x21-\x27\x2a-\x5b\x5d-\x7e])
(?<ccontent> (?&ctext) | (?"ed_pair) | (?&comment))
(?<comment> \((?: (?&FWS)? (?&ccontent))* (?&FWS)? \))
(?<CFWS> (?: (?&FWS)? (?&comment))*
(?: (?:(?&FWS)? (?&comment)) | (?&FWS)))
# No whitespace control
(?<NO_WS_CTL> [\x01-\x08\x0b\x0c\x0e-\x1f\x7f])
(?<ALPHA> [A-Za-z])
(?<DIGIT> [0-9])
(?<CRLF> \x0d \x0a)
(?<DQUOTE> ")
(?<WSP> [\x20\x09])
)
(?&address)
}x;
ご覧のとおり、これは非常にBNFのようなものです。問題はキャプチャではなくマッチであることです。そして、あなたは本当にどの部分がどの部分にマッチしたかを教えてくれないので、括弧をキャプチャして全体を囲むことは本当にありません。前述のRegexp :: Grammarsモジュールを使用することができます。
#!/usr/bin/env perl
use strict;
use warnings;
use 5.010;
use Data::Dumper "Dumper";
my $rfc5322 = do {
use Regexp::Grammars; # ...the magic is lexically scoped
qr{
# Keep the big stick handy, just in case...
# <debug:on>
# Match this...
<address>
# As defined by these...
<token: address> <mailbox> | <group>
<token: mailbox> <name_addr> | <addr_spec>
<token: name_addr> <display_name>? <angle_addr>
<token: angle_addr> <CFWS>? \< <addr_spec> \> <CFWS>?
<token: group> <display_name> : (?:<mailbox_list> | <CFWS>)? ; <CFWS>?
<token: display_name> <phrase>
<token: mailbox_list> <[mailbox]> ** (,)
<token: addr_spec> <local_part> \@ <domain>
<token: local_part> <dot_atom> | <quoted_string>
<token: domain> <dot_atom> | <domain_literal>
<token: domain_literal> <CFWS>? \[ (?: <FWS>? <[dcontent]>)* <FWS>?
<token: dcontent> <dtext> | <quoted_pair>
<token: dtext> <.NO_WS_CTL> | [\x21-\x5a\x5e-\x7e]
<token: atext> <.ALPHA> | <.DIGIT> | [!#\$%&'*+-/=?^_`{|}~]
<token: atom> <.CFWS>? <.atext>+ <.CFWS>?
<token: dot_atom> <.CFWS>? <.dot_atom_text> <.CFWS>?
<token: dot_atom_text> <.atext>+ (?: \. <.atext>+)*
<token: text> [\x01-\x09\x0b\x0c\x0e-\x7f]
<token: quoted_pair> \\ <.text>
<token: qtext> <.NO_WS_CTL> | [\x21\x23-\x5b\x5d-\x7e]
<token: qcontent> <.qtext> | <.quoted_pair>
<token: quoted_string> <.CFWS>? <.DQUOTE> (?:<.FWS>? <.qcontent>)*
<.FWS>? <.DQUOTE> <.CFWS>?
<token: word> <.atom> | <.quoted_string>
<token: phrase> <.word>+
# Folding white space
<token: FWS> (?: <.WSP>* <.CRLF>)? <.WSP>+
<token: ctext> <.NO_WS_CTL> | [\x21-\x27\x2a-\x5b\x5d-\x7e]
<token: ccontent> <.ctext> | <.quoted_pair> | <.comment>
<token: comment> \((?: <.FWS>? <.ccontent>)* <.FWS>? \)
<token: CFWS> (?: <.FWS>? <.comment>)*
(?: (?:<.FWS>? <.comment>) | <.FWS>)
# No whitespace control
<token: NO_WS_CTL> [\x01-\x08\x0b\x0c\x0e-\x1f\x7f]
<token: ALPHA> [A-Za-z]
<token: DIGIT> [0-9]
<token: CRLF> \x0d \x0a
<token: DQUOTE> "
<token: WSP> [\x20\x09]
}x;
};
while (my $input = <>) {
if ($input =~ $rfc5322) {
say Dumper \%/; # ...the parse tree of any successful match
# appears in this punctuation variable
}
}
ご覧のとおり、パターンに非常にわずかに異なる表記を使用することにより、あなたは今、きちんとラベルされたすべてのもので、%/
変数であなたのために離れて全体の構文解析ツリーを保存する何かを得ます。 =~
演算子でわかるように、変換の結果はまだパターンです。それはほんの少し魔法です。
再帰的パターンで解ける問題の計算可能性クラスへの正式な作業についてはわかりません。上記のあなたの再帰的な生成は、PCREまたはPerlの再帰的パターンとして十分に簡単にコーディングされていることがわかります。 – tchrist
これはhttp://cstheory.stackexchange.comに適していますか? – arcain
これらのリンクを見てみるといいかもしれません(すべてPerlコミュニティのものですが、役に立つ情報があります):http://perl.plover.com/yak/regex/samples/slide083.html http://www.perlmonks .org /?node_id = 660316 http://www.perlmonks.org/?node_id=308283 –