这个正则表达式替换如何反转字符串？

Question

_{这是一系列教育正则表达式文章的第四部分。它展示了嵌套引用（参见：How does this regex find triangular numbers?）与断言（参见：How can we match a^n b^n with Java regex?）中“计数”的组合如何用于反转字符串。以编程方式生成的模式使用元模式抽象（参见：How does this Java regex detect palindromes?）。在该系列中，这些技术首次用于替换而不是整个字符串匹配。}

提供了完整的 Java 和 C# 实现。包括励志名言。

使用正则表达式反转字符串似乎从来都不是一个好主意，如果它完全可能的话，甚至不是立即显而易见的，如果是的话，人们可能会如何尝试这样做。

虽然仍然不是一个好主意，但至少现在我们知道这是可能的，因为这是一种方法：

C# ^{_{(also on ideone.com)}}

using System;
using System.Text.RegularExpressions;

public class TwoDollarReversal {    
public static void Main() {
   string REVERSE = 
      @"(?sx) . grab$2"
         .Replace("grab$2",
            ForEachDotBehind(
               AssertSuffix(@"((.) \1?)")
            )
         );
   Console.WriteLine(
      Regex.Replace(
         @"nietsniE treblA --
         hguone llew ti dnatsrednu t'nod uoy ,ylpmis ti nialpxe t'nac uoy fI",

         REVERSE, "$2"
      )
   );
   // If you can't explain it simply, you don't understand it well enough
   // -- Albert Einstein
}      
// performs an assertion for each dot behind current position
static string ForEachDotBehind(string assertion) {
   return "(?<=(?:.assertion)*)".Replace("assertion", assertion);
}
// asserts that the suffix of the string matches a given pattern
static string AssertSuffix(string pattern) {
   return "(?=.*$(?<=pattern))".Replace("pattern", pattern);
}

}

Java ^{_{(also on ideone.com)}}

class TwoDollarReversal {

public static void main(String[] args) {
   String REVERSE =
      "(?sx) . grab$2"
         .replace("grab$2",
            forEachDotBehind(
               assertSuffix("((.) \\1?)")
            )
         );

   System.out.println(
      "taerG eht rednaxelA --\nyrt lliw ohw mih ot elbissopmi gnihton si erehT"
         .replaceAll(REVERSE, "$2")
   );
   // There is nothing impossible to him who will try
   // -- Alexander the Great"
}

static String forEachDotBehind(String assertion) {
   return "(?<=^(?:.assertion)*?)".replace("assertion", assertion);
}
static String assertSuffix(String pattern) {
   return "(?<=(?=^.*?pattern$).*)".replace("pattern", pattern);
}

}

C# 和 Java 版本似乎使用相同的整体算法，仅在抽象的实现细节上略有不同。

显然这不是反转字符串的最佳、最直接、最有效的方法。也就是说，为了了解正则表达式；如何概念化模式；引擎如何工作以匹配它们；如何将各个部分组合在一起以构建我们想要的东西；如何以可读和可维护的方式这样做；只是为了学习新事物的纯粹乐趣，我们能解释一下这是如何工作的吗？

---

附录：备忘单！

这是对所使用的基本正则表达式结构的简要说明：

• (?sx) 是嵌入标志 modifiers。 s 启用“单行”模式，允许 dot 匹配 ANY 字符（包括换行符）。 x 启用 free-spacing 模式，其中未转义的空格将被忽略（# 可用于 cmets）。
• ^ 和 $ 是行首和行尾anchors。
• ? 作为重复说明符表示 optional（即零或一）。作为重复量词，例如.*? 表示*（即零个或多个）重复是reluctant/non-greedy。
• (…) 用于grouping。 (?:…) 是非捕获组。一个捕获组保存它匹配的字符串；它允许后退/前进/嵌套引用（例如\1）、替换替换（例如$2）等。
• (?=…) 是积极的lookahead;它看起来向右断言给定模式的匹配。 (?<=…) 是一个积极的lookbehind；它向左看。

语言参考/其他资源

• MSDN - Regular Expression Language Elements -- System.Text.RegularExpressions
• Java Tutorials/Essential classes/Regular expressions -- java.util.regex.Pattern

Answer 1

概述

在高层次上，该模式匹配任何一个字符 .，但另外执行一个 grab$2 操作，该操作捕获匹配到组 2 中的字符的反转“配对”。这种捕获是通过构建完成的输入字符串的后缀，其长度匹配到当前位置的前缀长度。为此，我们将assertSuffix 应用于将后缀增加一个字符的模式，重复一次forEachDotBehind。第 1 组捕获此后缀。该后缀的第一个字符（在第 2 组中捕获）是匹配字符的反转“配对”。

因此，将每个匹配的字符替换为其“伴侣”具有反转字符串的效果。

---

工作原理：一个更简单的例子

为了更好地理解正则表达式模式的工作原理，让我们首先将其应用于更简单的输入。此外，对于我们的替换模式，我们将“转储”出所有捕获的字符串，以便更好地了解正在发生的事情。这是 Java 版本：

System.out.println(
    "123456789"
        .replaceAll(REVERSE, "[$0; $1; $2]\n")
);

以上打印（as seen on ideone.com）：

[1; 9; 9]
[2; 89; 8]
[3; 789; 7]
[4; 6789; 6]
[5; 56789; 5]
[6; 456789; 4]
[7; 3456789; 3]
[8; 23456789; 2]
[9; 123456789; 1]

因此，例如[3; 789; 7]表示点匹配3（在第0组中捕获），对应的后缀是789（第1组），其第一个字符是7（第2组）。注意7 是3 的“伙伴”。

                   current position after
                      the dot matched 3
                              ↓        ________
                      1  2 [3] 4  5  6 (7) 8  9
                      \______/         \______/
                       3 dots        corresponding
                       behind      suffix of length 3

请注意，角色的“伴侣”可能在其右侧或左侧。一个角色甚至可能是它自己的“伴侣”。

---

后缀是如何构建的：嵌套引用

负责匹配和构建增长后缀的模式如下：

    ((.) \1?)
    |\_/    |
    | 2     |       "suffix := (.) + suffix
    |_______|                    or just (.) if there's no suffix"
        1

请注意，在组 1 的定义中是对其自身的引用（使用\1），尽管它是可选的（使用?）。可选部分提供了“基本情况”，一种组在不引用自身的情况下进行匹配的方式。这是必需的，因为当组尚未捕获任何内容时，尝试匹配组引用总是会失败。

一旦第 1 组捕获了某些内容，我们的设置中就不会执行可选部分，因为我们上次捕获的后缀这次仍然存在，我们总是可以在此后缀的开头添加另一个字符 @ 987654341@。这个前置字符被捕获到第 2 组中。

因此，此模式尝试将后缀增加一个点。因此，重复一次forEachDotBehind 将产生一个后缀，其长度正好是到我们当前位置的前缀长度。

---

assertSuffix 和 forEachDotBehind 如何工作：元模式抽象

请注意，到目前为止，我们已将 assertSuffix 和 forEachDotBehind 视为黑盒。事实上，把这个讨论留到最后是一种深思熟虑的行为：名称和简短的文档暗示了他们所做的什么，这些信息足以让我们编写和阅读我们的REVERSE 模式！

经过仔细检查，我们发现这些抽象的 Java 和 C# 实现略有不同。这是由于两个正则表达式引擎之间的差异造成的。

.NET 正则表达式引擎允许在后视中使用完整的正则表达式，因此这些元模式在这种风格下看起来更加自然。

• AssertSuffix(pattern) := (?=.*$(?<=pattern))，即我们使用前瞻来一直到字符串的末尾，然后使用嵌套后瞻来匹配模式与后缀。
• ForEachDotBehind(assertion) := (?<=(?:.assertion)*)，即我们只是在后视中匹配 .*，将断言与非捕获组内的点一起标记。

由于 Java 不正式支持无限长度的后视（但在某些情况下它仍然可以工作），它的对应物有点尴尬：

• assertSuffix(pattern) := (?<=(?=^.*?pattern$).*)，即我们使用lookbehind一直到字符串的开始，然后使用嵌套lookahead来匹配整个字符串，前置后缀模式用.*? 不情愿地匹配一些不相关的前缀。
• forEachDotBehind(assertion) := (?<=^(?:.assertion)*?)，即我们使用带有不情愿重复的锚定lookbehind，即^.*?（同样将断言与非捕获组内的点一起标记）。

应该注意，虽然这些元模式的 C# 实现在 Java 中不起作用，Java 实现在 C# 中可以工作 (see on ideone.com)。因此，实际上没有必要为 C# 和 Java 提供不同的实现，但 C# 实现特意利用了更强大的 .NET 正则表达式引擎后向支持来更自然地表达模式。

因此，我们展示了使用元模式抽象的好处：

• 我们可以独立开发、检查、测试、优化等这些元模式实现，或许可以利用风味特定的功能来获得额外的性能和/或可读性。
• 一旦这些构建块开发并经过良好测试，我们就可以简单地将它们用作更大模式的一部分，这使我们能够在更高层次上表达想法，以获得更易读、更可维护、更便携的解决方案。
• 元模式促进重用，而程序化生成意味着更少的重复

虽然这一概念的特殊表现形式相当原始，但也可以更进一步，开发更强大的编程模式生成框架，其中包含经过良好测试和优化的元模式库。

另见

• Martin Fowler - Composed Regex
• .NET regular expressions - Balancing group definition - 元模式的一个很好的例子！

---

结束的想法

需要重申的是，使用正则表达式反转字符串在实践中不是一个好主意。它比必要的复杂得多，性能也很差。

也就是说，这篇文章表明它实际上可以完成，并且当使用元模式抽象在更高级别表示时，该解决方案实际上是非常可读的。作为解决方案的关键组成部分，嵌套引用再次展示在另一个引人入胜的示例中。

不太明显，也许这篇文章还显示了解决起初可能看起来很困难（甚至“不可能”）的问题所需的决心。也许它也显示了对一个主题的更深入理解所带来的思想清晰，这是大量研究和努力的结果。

毫无疑问，正则表达式可能是一个令人生畏的主题，而且它肯定不是为了解决您的所有问题而设计的。然而，这不是可恨的无知的借口，如果你愿意学习的话，这是一门令人惊讶的深刻知识。