如何检测正则表达式是否可以用静态文本搜索替换？

Question

如何检测某个正则表达式字符串是否“简单”，即可以将其替换为简单字符串（从而完全避免使用正则表达式）。

例如：

input regex        simple text form (if possible)
--------------------------------------------------
foo\.bar     --->  foo.bar
foo          --->  foo
ba\[12\]r    --->  ba[12]r
ba.*foo      --->  (not possible to represent as plain string)

基本上，我正在寻找与this answer 中描述的神话RegExp.escape 相反的RegExp.unescape，它要么与上述RegExp.escape 相反，要么以某种方式报告转换是不可能的.

正在寻找 JavaScript 解决方案，但 Java 也可以接受。

Answer 1

基本上，我正在寻找与this answer 中描述的神话RegExp.escape 的对立面，即RegExp.unescape，它要么与所提到的RegExp.escape 相反，要么以某种方式报告无法进行转换.

这个函数应该可以处理大多数情况。如果无法进行转换，则返回<em>undefined</em>。它没有（但可以扩展到）做的是 e。 G。将a{3} 转换为aaa 或将[a] 转换为a。

function cape(inre)
{
  if (/[iy]/.test(inre.flags)) return // these flags are not "simple"
  instr = inre.source
  outstr = ''
  special = '\\^$*+?.()|{}[]'
  // these so-called non-special characters after \ are not "simple":
  non_special = 'bBdDsSwW123456789'
  function pint(base, size)
  { // helper function for \0, \xhh and \uhhhh
    for (n = l = 0; l < size && !isNaN(d = parseInt(instr[i+1], base)); ++i, ++l)
      n = n*base+d
    return String.fromCharCode(n)
  }
  for (i = 0; c = instr[i]; outstr += c, ++i)
  { // convert input sequence to output text if possible
    if (c == '\\')
    {
      if (0 <= special.indexOf(c = instr[++i])) ; else
      if (0 <= non_special.indexOf(c)) return; else
      if (c == 'c') c = String.fromCharCode(instr.charCodeAt(++i)&31); else
      if (c == 'f') c = '\f'; else
      if (c == 'n') c = '\n'; else
      if (c == 'r') c = '\r'; else
      if (c == 't') c = '\t'; else
      if (c == 'v') c = '\v'; else
      if (c == '0') c = pint(8, 3); else
      if (c == 'x') c = pint(16, 2); else
      if (c == 'u') c = pint(16, 4)
    }
    else
      if (0 <= special.indexOf(c)) return
  }
  return outstr
}
console.log('input regex        simple text form (if possible)')
console.log('--------------------------------------------------')
testcases = [/foo\.bar/, /foo/, /ba\[12\]r/, /ba.*foo/]
for (i in testcases)
  s = testcases[i],
  console.log(s.source, ' '.repeat(11-s.source.length), '---> ', cape(s))

Answer 2

不转义是不够的，它归结为解析整个正则表达式。几乎任何非单词字符都有含义，因此不能简单地检测到。仅寻找反斜杠是远远不够的 - 考虑以下情况：

• Once[.]{1,1} 没有转义，但很明显它可能是一个字符串
• \x31\x{0032}也很明显
• fo{2}d 更明显，但是通过代码识别这个代码并非易事，虽然

您首先必须优化给定的正则表达式以删除所有冗余并替换所需的字符，然后查看剩下的内容。这就是解析它的重点。