如何在 Go 正则表达式中获取捕获组功能

Question

我正在将一个库从 Ruby 移植到 Go，并且刚刚发现 Ruby 中的正则表达式与 Go (google RE2) 不兼容。我注意到 Ruby 和 Java（加上其他语言使用 PCRE 正则表达式（perl 兼容，支持捕获组）），所以我需要重新编写我的表达式，以便它们在 Go 中编译正常。

例如，我有以下正则表达式：

`(?<Year>\d{4})-(?<Month>\d{2})-(?<Day>\d{2})`

这应该接受如下输入：

2001-01-20

捕获组允许将年、月和日捕获到变量中。要得到每个组的值，很容易；您只需使用组名索引返回的匹配数据，然后返回值。因此，例如要获取年份，类似于以下伪代码：

m=expression.Match("2001-01-20")
year = m["Year"]

这是我在表达中经常使用的模式，所以我有很多重写工作要做。

那么，有没有办法在 Go 正则表达式中获得这种功能？我应该如何重写这些表达式？

Answer 1

我应该如何重写这些表达式？

添加一些Ps，定义为here:

(?P<Year>\d{4})-(?P<Month>\d{2})-(?P<Day>\d{2})

使用re.SubexpNames() 交叉引用捕获组名称。

并使用as follows：

package main

import (
    "fmt"
    "regexp"
)

func main() {
    r := regexp.MustCompile(`(?P<Year>\d{4})-(?P<Month>\d{2})-(?P<Day>\d{2})`)
    fmt.Printf("%#v\n", r.FindStringSubmatch(`2015-05-27`))
    fmt.Printf("%#v\n", r.SubexpNames())
}

Answer 2

我创建了一个用于处理 url 表达式的函数，但它也适合您的需求。你可以查看thissn-p 但它的工作原理是这样的：

/**
 * Parses url with the given regular expression and returns the 
 * group values defined in the expression.
 *
 */
func getParams(regEx, url string) (paramsMap map[string]string) {

    var compRegEx = regexp.MustCompile(regEx)
    match := compRegEx.FindStringSubmatch(url)

    paramsMap = make(map[string]string)
    for i, name := range compRegEx.SubexpNames() {
        if i > 0 && i <= len(match) {
            paramsMap[name] = match[i]
        }
    }
    return paramsMap
}

你可以像这样使用这个函数：

params := getParams(`(?P<Year>\d{4})-(?P<Month>\d{2})-(?P<Day>\d{2})`, `2015-05-27`)
fmt.Println(params)

输出将是：

map[Year:2015 Month:05 Day:27]

Answer 3

要提高 RAM 和 CPU 使用率，而无需在循环内调用匿名函数，也无需在循环内使用“append”函数复制内存中的数组，请参见下一个示例：

您可以存储多个包含多行文本的子组，无需在字符串中附加“+”，也无需在 for 循环中使用 for 循环（与此处发布的其他示例一样）。

txt := `2001-01-20
2009-03-22
2018-02-25
2018-06-07`

regex := *regexp.MustCompile(`(?s)(\d{4})-(\d{2})-(\d{2})`)
res := regex.FindAllStringSubmatch(txt, -1)
for i := range res {
    //like Java: match.group(1), match.gropu(2), etc
    fmt.Printf("year: %s, month: %s, day: %s\n", res[i][1], res[i][2], res[i][3])
}

输出：

year: 2001, month: 01, day: 20
year: 2009, month: 03, day: 22
year: 2018, month: 02, day: 25
year: 2018, month: 06, day: 07

注意：res[​​i][0] =~ match.group(0) Java

如果要存储此信息，请使用结构类型：

type date struct {
  y,m,d int
}
...
func main() {
   ...
   dates := make([]date, 0, len(res))
   for ... {
      dates[index] = date{y: res[index][1], m: res[index][2], d: res[index][3]}
   }
}

---

最好使用匿名组（性能提升）

使用发布在 Github 上的“ReplaceAllGroupFunc”是个坏主意，因为：

1. 在循环内使用循环
2. 在循环内使用匿名函数调用
3. 有很多代码
4. 在循环内使用“追加”函数，这很糟糕。 每次调用“追加”函数时，都会将数组复制到新的内存位置

Answer 4

从 GO 1.15 开始，您可以使用 Regexp.SubexpIndex 简化流程。您可以通过https://golang.org/doc/go1.15#regexp查看发行说明。

根据您的示例，您将拥有以下内容：

re := regexp.MustCompile(`(?P<Year>\d{4})-(?P<Month>\d{2})-(?P<Day>\d{2})`)
matches := re.FindStringSubmatch("Some random date: 2001-01-20")
yearIndex := re.SubexpIndex("Year")
fmt.Println(matches[yearIndex])

您可以在https://play.golang.org/p/ImJ7i_ZQ3Hu查看并执行此示例。

Answer 5

根据@VasileM 答案确定组名的简单方法。

免责声明：这与内存/cpu/时间优化无关

package main

import (
    "fmt"
    "regexp"
)

func main() {
    r := regexp.MustCompile(`^(?P<Year>\d{4})-(?P<Month>\d{2})-(?P<Day>\d{2})$`)

    res := r.FindStringSubmatch(`2015-05-27`)
    names := r.SubexpNames()
    for i, _ := range res {
        if i != 0 {
            fmt.Println(names[i], res[i])
        }
    }
}

https://play.golang.org/p/Y9cIVhMa2pU

Answer 6

如果你需要在捕获组时基于函数进行替换，你可以使用这个：

import "regexp"

func ReplaceAllGroupFunc(re *regexp.Regexp, str string, repl func([]string) string) string {
    result := ""
    lastIndex := 0

    for _, v := range re.FindAllSubmatchIndex([]byte(str), -1) {
        groups := []string{}
        for i := 0; i < len(v); i += 2 {
            groups = append(groups, str[v[i]:v[i+1]])
        }

        result += str[lastIndex:v[0]] + repl(groups)
        lastIndex = v[1]
    }

    return result + str[lastIndex:]
}

例子：

str := "abc foo:bar def baz:qux ghi"
re := regexp.MustCompile("([a-z]+):([a-z]+)")
result := ReplaceAllGroupFunc(re, str, func(groups []string) string {
    return groups[1] + "." + groups[2]
})
fmt.Printf("'%s'\n", result)

https://gist.github.com/elliotchance/d419395aa776d632d897

Answer 7

您可以为此使用regroup 库 https://github.com/oriser/regroup

例子：

package main

import (
    "fmt"
    "github.com/oriser/regroup"
)

func main() {
    r := regroup.MustCompile(`(?P<Year>\d{4})-(?P<Month>\d{2})-(?P<Day>\d{2})`)
    mathces, err := r.Groups("2015-05-27")
    if err != nil {
        panic(err)
    }
    fmt.Printf("%+v\n", mathces)
}

将打印：map[Year:2015 Month:05 Day:27]

或者，您可以像这样使用它：

package main

import (
    "fmt"
    "github.com/oriser/regroup"
)

type Date struct {
    Year   int `regroup:"Year"`
    Month  int `regroup:"Month"`
    Day    int `regroup:"Day"`
}

func main() {
    date := &Date{}
    r := regroup.MustCompile(`(?P<Year>\d{4})-(?P<Month>\d{2})-(?P<Day>\d{2})`)
    if err := r.MatchToTarget("2015-05-27", date); err != nil {
        panic(err)
    }
    fmt.Printf("%+v\n", date)
}

将打印：&{Year:2015 Month:5 Day:27}

Answer 8

获取正则表达式参数和零指针检查的功能。如果发生错误，则返回 map[]

// GetRxParams - Get all regexp params from string with provided regular expression
func GetRxParams(rx *regexp.Regexp, str string) (pm map[string]string) {
    if !rx.MatchString(str) {
        return nil
    }
    p := rx.FindStringSubmatch(str)
    n := rx.SubexpNames()
    pm = map[string]string{}
    for i := range n {
        if i == 0 {
            continue
        }

        if n[i] != "" && p[i] != "" {
            pm[n[i]] = p[i]
        }
    }
    return
}