将找到的子字符串提取到变量的模式匹配答案

【问题标题】：Pattern matching with extraction of found substrings to variables将找到的子字符串提取到变量的模式匹配
【发布时间】：2015-02-05 14:38:44
【问题描述】：

我有一些已定义格式的字符串，例如Foo.<Whatever>.$(Something)，我想将它们分成几部分，并让每个部分自动分配给一个变量。

我曾经用 C# 类和运算符重载编写了类似于 bash/shell 管道命令选项“

ParseExpression ex = pex("item1") > ".<" > pex("item2") > ">.$(" > pex("item3") > ")";
ParseResult r = new ParseResult(ex, "Foo.<Whatever>.$(Something)");

ParseResult 然后有一个字典，其中键 item1 到 item3 设置为在给定字符串中找到的字符串。方法pex 生成了一些可以与> 运算符一起使用的对象，最终具有构成ParseExpression 的ParseExpressionParts 链。

目前我手头没有代码，在我再次从头开始编写代码之前，我想我最好问问是否有人已经完成并发布了它。

【问题讨论】：

这应该可以通过一个简单的正则表达式来实现，类似于^(\w+)\.<(\w+)>\.\$$(\w+)$$，它将产生 Foo、Whatever 和 Something 作为组 1、2 和 3。不需要解析器。
是否有一些漂亮的库可以更容易地构造正则表达式，形式如下：Regex r = RegexBuilder.AnyChar().FollowedBy('<').AnyChar().FollowedBy('>')...？
我建议“咬紧牙关”并学习正则表达式语法。是的，它是一种非常晦涩的语言，但是（与其他晦涩的语言相反）它非常有用并且（或多或少）标准化。从长远来看，这是一项一次性投资。

标签： c# string parsing pattern-matching

【解决方案1】：

解析表达式让我想起了parser combinators，比如 Parsec 和 FParsec（对于 F#）。语法有多复杂？事实上，它可以由带有组的正则表达式处理。

如果您想使用解析器组合器创建更复杂的语法，您可以使用FParsec，它是更广为人知的解析器组合器之一，针对 F#。通常，在这种情况下会大量使用 F# 等函数式语言。 CSharp-monad 是一个针对 C# 的解析器组合器。不过这个项目不是很活跃。

您还可以使用成熟的解析器生成器，例如 ANTLR 4。 ASP.NET MVC 使用 ANTLR 来解析 Razor 语法视图。 ANTLR 4 创建了一个解析树，并允许您使用访问者或侦听器来处理它，这类似于 DOM 或 SAX 处理。只要遇到一个元素，侦听器就会调用您的代码（例如开头<，内容等），而访问者在完成的树上工作。

ANTLR 的 Visual Studio 扩展将为您的语法生成解析器类以及基本的访问者和侦听器类。基于 NetBeans 的 ANTLRWorks IDE 使创建和测试语法变得非常容易。

您的示例的粗略语法是：

format: tag '.' '<' category '>' '.' '$' '(' value ')';
tag      : ID;
category : ID;
value    : ID;

ID       :[A-Z0-9]+;

或者你可以定义像FOO : 'FOO' 这样对你的语法有特殊意义的关键字。访问者或侦听器可以处理标签，例如格式化字符串、对值执行操作等。

没有硬性规定。就个人而言，我将正则表达式用于更简单的情况，例如处理相对简单的日志文件，而 ANTLR 用于更复杂的情况，例如屏幕抓取大型机数据。我没有研究过解析器组合器，因为我从来没有时间熟悉 F#。虽然处理一些混乱的 log4net 日志文件，但它们会非常方便

【讨论】：

【解决方案2】：

我从 Heinzi 的建议开始，最终想出了以下代码：

const string tokenPrefix = "px";
const string tokenSuffix = "sx";
const string tokenVar = "var";

string r = string.Format(@"(?<{0}>.*)\$\((?<{1}>.*)\)(?<{2}>.*)",
                         tokenPrefix, tokenVar, tokenSuffix);
Regex regex = new Regex(r);
Match match = regex.Match("Foo$(Something)Else");

if (match.Success)
{
  string prefix = match.Groups[tokenPrefix].Value; // = "Foo"
  string suffix = match.Groups[tokenSuffix].Value; // = "Something"
  string variable = match.Groups[tokenVar].Value;  // = "Else" 
}

在与一位同事讨论此事后，有人告诉我，当我的模式使用量增加并且我想要更好的可维护性时，我被告知考虑使用名为 "Sprache" 的 C# 解析器构造库（它介于正则表达式和类似 ANTLR 的工具集之间）。

【讨论】：