regex - 使用多个可能的分隔符从正则表达式中删除冗余

Question

我有一个正则表达式，其中相同的匹配条件可以应用于多个分隔符。 [], (), 和<>都是有效的。例如，它看起来像这样：

\[.\]|\(.\)|<.>

有没有办法从上面的正则表达式中删除冗余？分隔符内的匹配标准始终相同，但分隔符本身可能不同。

score 1 · Accepted Answer

如果您确实在使用PCRE 库（例如通过 PHP），您可以使用 DEFINE 组来创建子例程，如下所示：

'~(?(DEFINE)(?<content>\w+))(?:<(?&content)>|\[(?&content)\]|\((?&content)\))~'

...或者更具可读性：

(?(DEFINE)(?<content>\w+))
(?:
  <(?&content)>
  |
  \[(?&content)\]
  |
  \((?&content)\)
)

这是一个PHP演示。它也应该在 Perl 中工作。

score 1 · Accepted Answer

我猜你问是因为

[[(<].[])>]

不够准确，原因很明显。

回答“不，没有办法”总是很危险的，因为很难确定一个人已经检查了所有可能的方法。在这种情况下，人们必须经常拿出一个可靠的证据来回答。

我不确定这是一个足够强大的证明，甚至根本不是一个“证明”，但考虑一下这个（伪）信息论观点：

PCRE 引擎本身不知道字符对、、和之间的[]任何()关系<>。因此，表达式本身必须包含该信息，即至少需要六个字符[]()<>。
不仅如此，出于同样的原因，表达式本身必须定义至少两个配对（隐含第三个）。我不确定如何证明两个交替运算符 ( |) 是你能做的最好的，但我的意思是，即使有更紧凑的方法，你最多只能保存一个字符，因为至少有一个需要说，“配对存在！”
元字符的转义只能通过[]()可以出现在字符类中而不被转义的事实来压缩，但首先，这并不是真正的“消除冗余”，而是“语法中的幸运情况”，其次，您仍然需要为所述字符类的定义添加两个字符：[].
因此，我相信即使从理论的角度来看，如果我对正则表达式引擎无法知道的假设是正确的，那么一个人最多可以从您已经提供的正则表达式中保存三个字符：\[.\]|\(.\)|<.>.

我热切期待正则表达式大师的纠正！

2 回答 2