regex - Haskell Posix 中的多行匹配

Question

我似乎找不到关于 haskell 的 POSIX 实现的像样的文档。具体来说是模块Text.Regex.Posix。

谁能指出我在字符串上使用多行匹配的正确方向？

好奇的片段：

> extractToken body = body =~ "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>" :: String

我正在尝试提取维基百科页面的来源，但是当涉及多行时，这种方法显然会失败。

Answer 1

您可能需要import Text.Regex.Base.RegexLike访问makeRegexOpts和朋友。

extractToken body = match regex body where
    regex = makeRegexOpts (defaultCompOpt - compNewline) defaultExecOpt
              "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>"

好吧，因为Text.Regex.Posix's defaultCompOpt = compExtended + compNewline，这相当于

extractToken body = match regex body where
    regex = makeRegexOpts compExtended defaultExecOpt
              "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>"

要仅提取第一组，请使用RegexLike. 一种可能是

extractToken body = head groups where
    (preMatch, inMatch, postMatch, groups) =
        match regex body :: (String, String, String, [String])
    regex = makeRegexOpts compExtended defaultExecOpt
              "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>"

Answer 2

如果您想做比 Posix 正则表达式更灵活或性能更好的事情，您可能需要使用 PCRE 后端。

pcre-light 和 regex-pcre 都很好。

Answer 3

我通过匹配解决了这种情况

((.*)|\n*)*

尽管这可能并不总是有效，具体取决于您的表达方式。如果可以的话，上述解决方案可能是最好的方法。