从正则表达式中提取所有允许的字符

Question

我需要从给定的正则表达式中提取所有允许的字符列表。

例如，如果正则表达式看起来像这样（一些随机示例）：

[A-Z]*\s+(4|5)+

输出应该是

ABCDEFGHIJKLMNOPQRSTUVWXYZ45

（省略空格）

一个明显的解决方案是定义一组完整的允许字符，并使用find 方法返回每个字符的相应子序列。不过，这似乎是一个有点枯燥的解决方案。

谁能想到一个（可能很简单的）算法来实现这个？

Answer 1

你可以做的一件事是：

• 按子组拆分正则表达式
• 针对子组测试 char 面板

看下面的例子（还不完美）c#：

static void Main(String[] args)
{
    Console.WriteLine($"-->{TestRegex(@"[A-Z]*\s+(4|5)+")}<--");
}

public static string TestRegex(string pattern)
{
    string result = "";
    foreach (var subPattern in Regex.Split(pattern, @"[*+]"))
    {
        if(string.IsNullOrWhiteSpace(subPattern))
            continue;
        result += GetAllCharCoveredByRegex(subPattern);
    }
    
    return result;
}

public static string GetAllCharCoveredByRegex(string pattern)
{
    Console.WriteLine($"Testing {pattern}");
    var regex = new Regex(pattern);
    var matches = new List<char>();
    for (var c = char.MinValue; c < char.MaxValue; c++)
    {

        if (regex.IsMatch(c.ToString()))
        {
            matches.Add(c);
        }
    }
    return string.Join("", matches);
}

哪些输出：

测试 [A-Z]

测试\s

测试 (4|5)

-->ABCDEFGHIJKLMNOPQRSTUVWXYZ

？ ? ？？？？？？ 45