使用多个可能的分隔符从正则表达式中删除冗余答案

【问题标题】：removing redundancy from regex with multiple possible delimiters使用多个可能的分隔符从正则表达式中删除冗余
【发布时间】：2012-10-05 00:47:13
【问题描述】：

我有一个正则表达式，其中相同的匹配条件可以应用于多个分隔符。 []、() 和 <> 均有效。例如，它看起来像这样：

\[.\]|\(.\)|<.>

有没有办法从上面的正则表达式中删除冗余？分隔符内的匹配条件始终相同，但分隔符本身可能不同。

【问题讨论】：

标签： regex pcre

【解决方案1】：

我猜你问是因为

[[(<].[])>]

不够准确，原因很明显。

回答“不，没有办法”总是很危险的，因为很难确定一个人已经检查了所有可能的方法。在这种情况下，人们必须经常拿出可靠的证据来回答。

我不确定这是一个足够强大的证明，甚至根本不是“证明”，但考虑一下这个（伪）信息论观点：

PCRE 引擎本身不知道字符对[]、() 和<> 之间的任何关系。因此，表达式本身必须包含该信息，即要求至少有六个字符[]()<>。
不仅如此，出于同样的原因，表达式本身必须至少定义两个配对（隐含第三个）。我不确定如何证明两个交替运算符 (|) 是你能做的最好的，但我的意思是，即使有更紧凑的方法，你也会保存最多一个字符，因为至少需要一位来表示“配对存在！”
元字符的转义只能通过 []() 可以出现在字符类中而不被转义的事实来压缩，但首先，这并不是真正的“消除冗余”是“语法上的幸运情况”，其次，您仍然需要为所述字符类的定义添加两个字符：[]。
因此，我相信即使从理论角度来看，如果我对正则表达式引擎无法知道的假设是正确的，那么最多可以保存 em> 您已经提供的正则表达式中的三个字符：\[.\]|\(.\)|<.>。

我热切期待正则表达式大师的纠正！

【讨论】：

【解决方案2】：

如果你真的在使用PCRE library（例如通过 PHP），你可以使用 DEFINE 组来创建一个子例程，如下所示：

'~(?(DEFINE)(?<content>\w+))(?:<(?&content)>|\[(?&content)\]|\((?&content)\))~'

...或更易读：

(?(DEFINE)(?<content>\w+))
(?:
  <(?&content)>
  |
  \[(?&content)\]
  |
  \((?&content)\)
)

这是 PHP 中的 demo。它也应该在 Perl 中工作。

【讨论】：