Haskell Posix 中的多行匹配答案

【问题标题】：Multiline Matching in Haskell PosixHaskell Posix 中的多行匹配
【发布时间】：2009-06-22 18:38:28
【问题描述】：

我似乎找不到关于 haskell 的 POSIX 实现的像样的文档。特别是模块Text.Regex.Posix。

谁能指出我在字符串上使用多行匹配的正确方向？

好奇者的sn-p：

> extractToken body = body =~ "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>" :: String

我正在尝试提取维基百科页面的来源，但是当涉及多行时，这种方法显然会失败。

【问题讨论】：

标签： regex haskell functional-programming posix cabal

【解决方案1】：

您可能需要import Text.Regex.Base.RegexLike 才能访问makeRegexOpts 和朋友。

extractToken body = match regex body where
    regex = makeRegexOpts (defaultCompOpt - compNewline) defaultExecOpt
              "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>"

好吧，既然Text.Regex.Posix 是defaultCompOpt = compExtended + compNewline，那么结果相当于

extractToken body = match regex body where
    regex = makeRegexOpts compExtended defaultExecOpt
              "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>"

要仅提取第一组，请使用RegexLike 的其他实例之一。一种可能是

extractToken body = head groups where
    (preMatch, inMatch, postMatch, groups) =
        match regex body :: (String, String, String, [String])
    regex = makeRegexOpts compExtended defaultExecOpt
              "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>"

【讨论】：

效果很好，谢谢。另外，有什么方法可以只返回匹配项 (.*)，还是只在 PCRE 中返回？

【解决方案2】：

如果您想做比 Posix 正则表达式更灵活或性能更好的事情，您可能需要使用 PCRE 后端。

pcre-light 和 regex-pcre 都可以。

【讨论】：

肯定是首选，但是我们的研究小组必须在我们的大学服务器上运行它，他们可能会也可能不会批准添加新模块。

【解决方案3】：

我通过匹配解决了这种情况

((.*)|\n*)*

尽管这可能并不总是有效，具体取决于您的表达方式。如果可以的话，上述解决方案可能是最好的方法。

【讨论】：