标识 COBOL 中的部分的正则表达式答案

【问题标题】：Regex that identifies sections in COBOL标识 COBOL 中的部分的正则表达式
【发布时间】：2014-08-06 06:20:41
【问题描述】：

我正在为 Brackets 定制一个大纲插件，该插件使用正则表达式来识别当前打开文件的大纲。

使用 regex101.com 我创建了以下正则表达式（使用环视来确定该行以七个空格开头并以 'SECTION.' 结尾）：

(?<=^       )([A-Za-z\-0-9]*)(?= SECTION\.[ ]*$)

根据 regex101.com 可以，但是当通过 jshint/jslint 验证时，它表明它是无效的。当我测试它时，它不起作用（我怀疑 JSHint/JSLint 是正确的）。

以下是我希望获得 2000-GET-EXPECTED-BY-DATE 和 2020-GET-DUE-DATE 的一些 cobol 代码示例。

          ...
      2000-GET-EXPECTED-BY-DATE SECTION.
          MOVE '2' TO W10-OPTION.

          ...

          ELSE                                                     
              MOVE 'Y' TO W10-NO-ERRORS                         
          END-IF.                                                  

      2017-EXIT.                                                   
          EXIT.                                                   
     /
      2020-GET-DUE-DATE SECTION.
      2020.

          MOVE 'N' TO W10-USER-INPUT-DUE-DATE-SW.
          MOVE '1' TO W10-OPTION.
          ...

所以我的问题是：

正则表达式是否有效？
如果无效，那我做错了什么？
我应该如何编写正则表达式来查找每个部分的名称？

【问题讨论】：

如果前 6 个字符包含行号或版本信息怎么办？？？。许多 Cobol 编译器会接受前 6 个字符中的任何内容???
此外，一个 SECTION 可以后跟一个数字（现在极不可能看到），句号/句号不需要立即跟在它后面。 SECTION 不必与过程名称在同一行，终止它的句号/句点也不必。如果你想要一些通用的东西，那么你就有了更多的内容。如果某些特定于您的系统，那么您就有机会。
@BruceMartin 我将它用于已知代码，这些代码在部分名称之前只有空格。
@BillWoodger 这是我们遗留代码特有的，我们没有您描述的场景。
+1 用于混合正则表达式和 Cobol。

标签： regex cobol regex-lookarounds adobe-brackets

【解决方案1】：

这对我来说可以找到带有“SECTION”的行：

^[ ]{7}(.*)[ ]SECTION\.$

演示： http://regex101.com/r/zC1xY6/2

如果您只想要部分名称：^[ ]{7}\d+\-(.*)[ ]SECTION\.$

【讨论】：

谢谢你，珍妮，这非常适合我想做的事情（我将使用包含全名的那个。我将不得不研究你使用的选项，我想我将需要使用环顾四周。任何洞察为什么我的失败？
如果分节行之前有一个空行，那么它报告与前导空格匹配。如果该部分之前的行有空格，则它将前导空格的数量增加空格的数量。它似乎从前一个非空白行的末尾匹配到第 7 个位置之后的第一个非空白字符。请看：regex101.com/r/hV8tY7/2
这是因为 \s 也匹配空格、制表符和换行符。我已编辑答案以使用 [ ] 来识别空格。
谢谢珍妮，第一个现在正在工作。但是，第二个仅在前一行有值时才有效，如果有空行则不会拾取它。

【解决方案2】：

事实证明，我使用的方法确实有效，有两个 cmets：

通过regex101.com使用时需要添加全局和多行修饰符，
它的执行速度非常慢，以至于 regex101.com 在大型程序上超时。

但是我发现（通过 regex101.com 上的实验）如果我将其更改为

^       (.*)(?= SECTION\.[ ]*$)

然后它没有超时问题。似乎如果我使用^[ ]{7} 作为前缀或者我使用([A-Za-z0-9-]*) 作为捕获组来匹配名称，那么它会非常慢。

主要问题似乎是(.*) 的性能与([A-Za-z0-9-]*) 相比，后者要慢很多。

我可以在 regex101.com 上使用后面的外观：(?<=^ )(.*)(?= SECTION\.[ ]*$)，但是 JSLint/JSHint 出现错误。所以我会避免使用它。

我已经在括号大纲程序的一个分支中测试了第一个^ (.*)(?= SECTION\.[ ]*$)，它可以工作！ :-)

【讨论】：

不错的想法。具有大量数据的速度测试对于改进您的正则表达式总是合理的。 (.*) 当然更快，因为它不必匹配字符。它只需要其中任何一个。
谢谢@JennyO'Reilly，你说的很对，字符匹配是个问题。我已经接受了你的回答，因为它是第一个，只有我对正则表达式的新手让我没有意识到 \s :-) 基于一个非常大的程序，使用前瞻或不使用前瞻时性能似乎没有太大差异.