力を失うことなく読みやすい正規表現はありますか？

多くのプログラマーは、最近ではWebサービスの助けを借りて、またはより伝統的に対話型プロンプトで、または開発中の正規表現とテストケースのコレクションを持つ小さなスクリプトを書くことで、簡単な正規表現を作成する喜びを知っています。いずれの場合も、プロセスは反復的でかなり迅速です。必要なものが一致してキャプチャされ、不要なものが拒否されるまで、暗号のような文字列をハッキングし続けます。

単純な場合、結果はJava正規表現として次のようになります。

Pattern re = Pattern.compile(
  "^\\s*(?:(?:([\\d]+)\\s*:\\s*)?(?:([\\d]+)\\s*:\\s*))?([\\d]+)(?:\\s*[.,]\\s*([0-9]+))?\\s*$"
);

また、多くのプログラマーは、正規表現を編集したり、レガシーコードベースの正規表現をコード化するだけで苦労することも知っています。それを分割するために少し編集すると、上記の正規表現は正規表現にかなり精通している人にとってはまだ非常に簡単に理解でき、正規表現のベテランはそれが何をするかすぐに見るべきです（誰かが運動をしたい場合には、投稿の最後に答えて自分自身でそれを理解する）。

しかし、正規表現が真に書き込み専用になるために物事はそれほど複雑になる必要はなく、勤勉な文書（もちろん誰もが書いているすべての複雑な正規表現についてもそうです）でさえ、正規表現の修正は困難な仕事。正規表現を慎重に単体テストしないと、非常に危険な作業になる可能性があります（ただし、もちろん、すべての複雑な正規表現（ポジティブとネガティブの両方）に対する包括的な単体テストがあります...）。

それで、長い話を簡単に言えば、正規表現の力を失うことなく、書き込み/読み取りソリューション/代替がありますか？上記の正規表現は、代替アプローチではどのようになりますか？どんな言語でも構いませんが、多言語ソリューションが最適ですが、正規表現は多言語です。

そして、以前の正規表現が行うことはこれです：formatの数字の文字列を解析し、1:2:3.4各数字をキャプチャします。スペースが許可され、3必要な場合のみです。

多くの人々が小さな部品から作曲することについて言及していますが、誰もまだ例を挙げていないので、ここに私のものがあります：

string number = "(\\d+)";
string unit = "(?:" + number + "\\s*:\\s*)";
string optionalDecimal = "(?:\\s*[.,]\\s*" + number + ")?";

Pattern re = Pattern.compile(
  "^\\s*(?:" + unit + "?" + unit + ")?" + number + optionalDecimal + "\\s*$"
);

最も読みやすいわけではありませんが、オリジナルよりもはっきりしているように感じます。

また、C＃が有し@、それは文字通り（NOエスケープ文字）取るべきであることを示すために、文字列の先頭に追加することができ、オペレータが、そうnumberなるであろう@"([\d]+)";

正規表現を文書化する鍵は、それを文書化することです。ラインノイズのように見えるものを投げて、そのままにしておきます。

perl内/xで、正規表現の末尾の演算子は空白を抑制し、正規表現を文書化できるようにします。

上記の正規表現は次のようになります。

$re = qr/
  ^\s*
  (?:
    (?:       
      ([\d]+)\s*:\s*
    )?
    (?:
      ([\d]+)\s*:\s*
    )
  )?
  ([\d]+)
  (?:
    \s*[.,]\s*([\d]+)
  )?
  \s*$
/x;

はい。垂直方向の空白を少し消費しますが、読みやすさをあまり犠牲にすることなく短くすることができます。

そして、以前の正規表現が行うことはこれです：1：2：3.4の形式で数字の文字列を解析し、各数字をキャプチャします。スペースが許可され、3つだけが必要です。

この正規表現を見ると、それがどのように機能するか（そして機能しない）を見ることができます。この場合、この正規表現は文字列と一致します1。

他の言語でも同様のアプローチをとることができます。python re.VERBOSEオプションはそこで機能します。

Perl6（上記の例はperl5の場合）は、PCREよりも強力な構造につながるルールの概念でこれをさらに進めます（通常の拡張された通常の文法よりも他の文法（コンテキストに依存せず、文脈依存）へのアクセスを提供します）。

Java（この例の作成元）では、文字列の連結を使用して正規表現を作成できます。

Pattern re = Pattern.compile(
  "^\\s*"+
  "(?:"+
    "(?:"+
      "([\\d]+)\\s*:\\s*"+  // Capture group #1
    ")?"+
    "(?:"+
      "([\\d]+)\\s*:\\s*"+  // Capture group #2
    ")"+
  ")?"+ // First groups match 0 or 1 times
  "([\\d]+)"+ // Capture group #3
  "(?:\\s*[.,]\\s*([0-9]+))?"+ // Capture group #4 (0 or 1 times)
  "\\s*$"
);

確かに、これにより"文字列にさらに多くの混乱が生じる可能性があり、読みやすく（特にほとんどのIDEで構文の強調表示を使用）、文書化できます。

重要なのは、正規表現がしばしば陥るパワーと「一度だけ書く」性質を認識することです。正規表現が明確で理解可能なままであるように、これを防御的に回避するコードを書くことが重要です。わかりやすくするためにJavaコードをフォーマットします-言語がそうするオプションを提供する場合、正規表現は変わりません。

一部の言語およびライブラリが提供する「詳細」モードは、これらの懸念に対する答えの1つです。このモードでは、正規表現文字列の空白が取り除かれ（したがって、使用する必要があります\s）、コメントが可能になります。デフォルトでこれをサポートするPythonの短い例を次に示します。

email_regex = re.compile(r"""
    ([\w\.\+]+) # username (captured)
    @
    \w+         # minimal viable domain part
    (?:\.w+)    # rest of the domain, after first dot
""", re.VERBOSE)

そうでない言語では、詳細モードから「通常」モードへのトランスレーターの実装は簡単なタスクです。正規表現の読みやすさを心配しているなら、おそらくこの時間の投資をかなり簡単に正当化するでしょう。

正規表現を使用するすべての言語では、より単純なブロックから正規表現を作成して読みやすくすることができ、例よりも複雑な（または複雑な）ものがある場合は、必ずこのオプションを利用する必要があります。Javaや他の多くの言語の特定の問題は、正規表現を「ファーストクラス」の市民として扱わず、文字列リテラルを介して言語に忍び込むことを要求することです。これは、実際には正規表現構文の一部ではなく、読みにくくする多くの引用符とバックスラッシュを意味します。また、独自のミニ言語とインタープリターを効果的に定義しない限り、それよりもはるかに読みやすくなることはできません。

正規表現を統合するためのプロトタイプのより良い方法は、もちろん、Perlで、その空白オプションと正規表現引用演算子がありました。Perl 6は、正規表現をパーツか​​ら実際の再帰的な文法に構築するという概念を拡張します。言語は適時の船を見逃したかもしれませんが、正規表現のサポートはThe Good Stuff（tm）でした。

Expressoを使用したい：http : //www.ultrapico.com/Expresso.htm

この無料のアプリケーションには、時間の経過とともに役立つと思われる次の機能があります。

• 正規表現をコピーして貼り付けるだけで、アプリケーションはそれを解析します
• 正規表現を作成したら、アプリケーションから直接テストできます（アプリケーションは、キャプチャ、置換のリストを提供します...）
• テストしたら、C＃コードを生成して実装します（コードには正規表現に関する説明が含まれていることに注意してください）。

たとえば、送信した正規表現では、次のようになります。

もちろん、試してみると、それを説明する千の言葉に値します。また、このアプリケーションの編集者と何らかの形で関連していることに注意してください。

いくつかの点で、BNFのような文法を使用するだけで役立つ場合があります。これらは、正規表現よりも読みやすくなります。次に、GoldParser Builderなどのツールを使用して、文法をパーサーに変換し、面倒な作業を行うことができます。

BNF、EBNFなどの文法は、複雑な正規表現よりも読みやすく、作成しやすい場合があります。GOLDはそのようなことのツールの1つです。

以下のc2 wikiリンクには、グーグルで検索できる代替のリストがあり、それらに関するいくつかの議論が含まれています。これは基本的に、文法エンジンの推奨事項を補完する「参照」リンクです。

正規表現の代替

「代替」とは「構文が異なる意味的に同等の機能」を意味しますが、少なくともRegularExpressionsに対する/との代替手段があります。

• 基本的な正規表現
• 「拡張」正規表現
• Perl互換の正規表現
• ...および他の多くのバリアント...
• SNOBOLスタイルのRE構文（SnobolLanguage、IconLanguage）
• SRE構文（REはEssExpressionsとして）
• 異なるFSMシンタックス
• 有限状態交差文法（非常に表現力豊か）
• OMetaLanguageおよびLuaLanguage（http://www.inf.puc-rio.br/~roberto/lpeg/lpeg.html）のようなParsingExpressionGrammars
• RebolLanguageの解析モード
• 確率ベースの解析...

これは古い質問であり、私は言語表現について言及していなかったので、将来の求職者のためにもその情報をここに追加すると思いました。言語表現は、正規表現のシンボルの意味を学ぶ必要なく、正規表現を人間が理解できるように特別に設計されました。次の例を参照してください。これは、あなたが求めていることを最もうまくやると思う。

// Create an example of how to test for correctly formed URLs
var tester = VerEx()
    .startOfLine()
    .then('http')
    .maybe('s')
    .then('://')
    .maybe('www.')
    .anythingBut(' ')
    .endOfLine();

// Create an example URL
var testMe = 'https://www.google.com';

// Use RegExp object's native test() function
if (tester.test(testMe)) {
    alert('We have a correct URL '); // This output will fire}
} else {
    alert('The URL is incorrect');
}

console.log(tester); // Outputs the actual expression used: /^(http)(s)?(\:\/\/)(www\.)?([^\ ]*)$/

この例はJavaScript用です。多くのプログラミング言語でこのライブラリを見つけることができます。

最も簡単な方法は、まだ正規表現を使用することですが、たとえばhttp://www.martinfowler.com/bliki/ComposedRegex.htmlのようなわかりやすい名前で、より単純な表現を作成して式を作成します（これは文字列concatからです）

ただし、代替手段として、パーサーコンビネータライブラリ（http://jparsec.codehaus.org/など）を使用することもできます。これにより、完全な再帰的パーサーが得られます。繰り返しますが、ここでの真の力は構成（今回は機能構成）にあります。

logstashのgrok表現に言及する価値があると思いました。Grokは、短い解析式から長い解析式を作成するという考えに基づいています。これらのビルディングブロックを簡単にテストでき、一般的に使用される 100以上のパターンがあらかじめパッケージ化されています。これらのパターン以外に、すべての正規表現構文を使用できます。

grokで表現された上記のパターンは次のとおりです（デバッガーアプリでテストしましたが、失敗した可能性があります）。

"(( *%{NUMBER:a} *:)? *%{NUMBER:b} *:)? *%{NUMBER:c} *(. *%{NUMBER:d} *)?"

オプションのパーツとスペースは、通常よりも少しugいように見えますが、ここでも、他の場合でも、grokを使用することで人生をより良くすることができます。

F＃には、FsVerbalExpressionsモジュールがあります。言語表現から正規表現を作成できます。また、URLなどの事前作成済みの正規表現もいくつかあります。

この構文の例の1つは次のとおりです。

let groupName =  "GroupNumber"

VerbEx()
|> add "COD"
|> beginCaptureNamed groupName
|> any "0-9"
|> repeatPrevious 3
|> endCapture
|> then' "END"
|> capture "COD123END" groupName
|> printfn "%s"

// 123

F＃構文に慣れていない場合、groupNameは文字列「GroupNumber」です。

次に、「COD（？<GroupNumber> [0-9] {3}）END」として構築する言語表現（VerbEx）を作成します。次に、文字列「COD123END」でテストし、名前付きキャプチャグループ「GroupNumber」を取得します。これは123になります。

正直に言って、通常の正規表現は理解しやすいと思います。

まず、単に機能するコードが悪いコードであることを理解してください。優れたコードは、発生したエラーを正確に報告する必要もあります。

たとえば、あるユーザーのアカウントから別のユーザーのアカウントに現金を転送する関数を作成している場合、"worked or failed"ブール値を返すだけではありません。これは、発信者に何が問題なのかを知らず、発信者がユーザーに適切に通知できないためです。代わりに、エラーコードのセット（または例外のセット）がある可能性があります：宛先アカウントが見つからなかった、ソースアカウントの資金が不足していた、許可が拒否された、データベースに接続できなかった、負荷が大きすぎる（後で再試行）など。

ここで、「1：2：3.4の形式で数値の文字列を解析する」例について考えてください。正規表現が行うことは、適切なフィードバックをユーザーに提示できない「合格/不合格」を報告することです（このフィードバックがログのエラーメッセージであるか、エラーがユーザータイプ、またはその他）。どのような種類のエラーが適切に説明できませんか？最初の数字の文字が正しくない、最初の数字が大きすぎる、最初の数字の後にコロンがない、など

「単に機能する悪いコード」を「適切に記述的なエラーを提供する良いコード」に変換するには、正規表現を多くの小さな正規表現に分割する必要があります）。

コードを読み取り可能/保守可能にすることは、コードを改善することの偶然の結果です。