14

我有这个正则表达式：

regex = %r{\A(?<foo> a\g<foo>a | b\g<foo>b | c)\Z}x

当我针对多个字符串对其进行测试时，它似乎与上下文无关语法一样强大，因为它可以正确处理递归。

regex.match("aaacaaa")
# => #<MatchData "aaacaaa" foo:"aaacaaa">
regex.match("aacaa")
# => #<MatchData "aacaa" foo:"aacaa">
regex.match("aabcbaa")
# => #<MatchData "aabcbaa" foo:"aabcbaa">
regex.match("aaacaa")
# => nil

“ Fun with Ruby 1.9 Regular Expressions ”有一个例子，他实际上安排了一个正则表达式的所有部分，使它看起来像一个上下文无关的语法，如下所示：

sentence = %r{ 
    (?<subject>   cat   | dog   | gerbil    ){0} 
    (?<verb>      eats  | drinks| generates ){0} 
    (?<object>    water | bones | PDFs      ){0} 
    (?<adjective> big   | small | smelly    ){0} 

    (?<opt_adj>   (\g<adjective>\s)?     ){0} 

    The\s\g<opt_adj>\g<subject>\s\g<verb>\s\g<opt_adj>\g<object> 
}x

在他重新排列正则表达式部分的技术和我的递归命名捕获组示例之间，这是否意味着 Ruby 1.9 正则表达式具有等同于上下文无关语法的能力？

4

1 回答 1

7

这是 Ruby 1.9 中使用的 Oniguruma 正则表达式引擎的一大优点——它具有解析器的功能，并且不仅限于识别常规语言。它有正面和负面的lookahead/lookbehind，甚至可以用来识别一些不是上下文无关的语言！以以下为例：

regexp = /\A(?<AB>a\g<AB>b|){0}(?=\g<AB>c)a*(?<BC>b\g<BC>c|){1}\Z/

此正则表达式可识别“abc”、“aabbcc”、“aaabbbccc”等字符串——“a”、“b”和“c”的数量必须相等，否则将不匹配。

（一个限制：您不能在前瞻和后视中使用命名组。）

尽管我还没有深入了解，但 Oniguruma 似乎通过简单的递归下降来处理命名组，当不匹配时进行备份。我观察到它不能处理左递归。例如：

irb(main):013:0> regexp = /(?<A>\g<A>a|)/
SyntaxError: (irb):13: never ending recursion: /(?<A>\g<A>a|)/
    from C:/Ruby192/bin/irb:12:in `<main>'

我不太清楚地记得我的解析理论，但我认为像这样的非确定性自上而下解析器应该能够解析任何上下文无关语言。（“语言”，而不是“语法”；如果您的语法有左递归，则必须将其转换为右递归。）如果不正确，请编辑此帖子。

于 2012-01-22T21:20:37.753 回答