将两个正则表达式 A 和 B 组合成 C = (A and not B)

Question

假设我有一个正则表达式 A 和另一个正则表达式 B 作为输入。我想创建一个新的正则表达式 C 匹配一行当且仅当

• A 匹配该行并且
• B 与该行不匹配。

我可以为 A 和 B 的非常简单的情况手动创建 C：比方说 A是 x 并且 B 是 y，那么 C = ^[^y]*x[^y]*$ 将是一个有效的解决方案。

显然，随着 A 和 B 变得越来越复杂，问题变得越来越困难。有没有一种通用算法可以从 A 和 B 中创建这样的正则表达式 C？

---

注意：由于regular languages are closed under intersection and complement，理论上应该存在这样的算法。我知道现代 IT 系统中可用的正则表达式的表达能力超过了正式的正则语言，但是 A 和 B 仅限于功能子集的解决方案在正式语言中可用，但 C 使用现代正则表达式引擎的扩展功能，对我来说非常好。

Answer 1

编辑

根据 OP 的初始正则表达式，正如我的答案下方的 cmets 中 @ruakh 所指出的，OP 选择使用 ^(?!.*B).*A。此解决方案匹配 包含 B 的任何字符串，而不是我原来的帖子（如下）所针对的，即最初假设的 匹配 B 的任何字符串后来由 OP 澄清（在我的答案下方的 cmets 中）。

---

原帖

如果我正确理解您的问题，您正在寻找匹配一个给定模式A，但不匹配模式B 的字符串，这样您的新模式C 由A 组成和B。

简单的正则表达式

鉴于模式A 是x，模式B 是y，新的正则表达式模式C 应该如下：

^(?!B$)A$

或使用您提供的示例正则表达式：

^(?!y$)x$

---

也许一个更好的例子来证明这一点：

• A 模式：x.
• B 模式：xx
• C 变为：^(?!xx$)x.$

这将匹配xa，但不匹配xx，如here所示

---

复杂的正则表达式

对于更复杂的正则表达式，它可能完全取决于模式和所使用的正则表达式引擎。正则表达式可能会超时，如果使用递归、控制动词、模式修饰符等，它可能会完全中断。

更好的选择是使用代码独立评估两个正则表达式以确定结果。

示例 1

这是一个示例，由于两种模式都使用相同的预定义模式名称，因此正则表达式会中断：

• A: (?(DEFINE)(?<t>x))(?&t).
• B: (?(DEFINE)(?<t>x))(?&t){2}
• C: ^(?!(?(DEFINE)(?<t>x))(?&t){2}$)(?(DEFINE)(?<t>x))(?&t).$

如here所示失败

示例 2

这是一个无法正常工作的递归示例：

• A: a(?R)z
• B: az
• ^(?!az$)a(?R)?z$

如here所示失败

---

当然，这是假设 C: ^(?!B$)A$ 的初始假设是用于匹配 A 和不匹配 B 的正确模式。

Answer 2

我猜答案很可能是否，因为 A、B 和 C 可以是 dependent 和 independent 表达式，那么结果将属于 combination 类别，其中还包括 permutation 实例，并且会有无数这样的表达式。然后，我非常怀疑是否会有一个通用算法。