Объясните, как работает грамматика регулярных выражений ECMAScript

@GoldenId · Регистрация: 11.11.2010

Студворк — интернет-сервис помощи студентам

Читаю раздел Alternatives документации по грамматике ECMAScript и не понимаю ни описание механизма работы данной реализации регулярных выражений, ни выдачи примера:

C++
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
#include <cstddef>
#include <iostream>
#include <regex>
#include <string>
 
void show_matches(const std::string& in, const std::string& re)
{
    std::smatch m;
    std::regex_search(in, m, std::regex(re));
    if (!m.empty())
    {
        std::cout << "input=[" << in << "], regex=[" << re << "]\n  "
                     "prefix=[" << m.prefix() << "]\n  smatch: ";
        for (std::size_t n = 0; n < m.size(); ++n)
            std::cout << "m[" << n << "]=[" << m[n] << "] ";
        std::cout << "\n  suffix=[" << m.suffix() << "]\n";
    }
    else
        std::cout << "input=[" << in << "], regex=[" << re << "]: NO MATCH\n";
}
 
int main()
{
    show_matches("abcdef", "abc|def");
    show_matches("abc", "ab|abc"); // left Alernative matched first
 
    // Match of the input against the left Alternative (a) followed
    // by the remained of the regex (c|bc) succeeds, which results
    // in m[1]="a" and m[4]="bc".
    // The skipped Alternatives (ab) and (c) leave their submatches
    // m[3] and m[5] empty.
    show_matches("abc", "((a)|(ab))((c)|(bc))");
}

выдача:

Code
1
2
3
4
5
6
7
8
9
10
11
12
input=[abcdef], regex=[abc|def]
  prefix=[]
  smatch: m[0]=[abc]
  suffix=[def]
input=[abc], regex=[ab|abc]
  prefix=[]
  smatch: m[0]=[ab]
  suffix=[c]
input=[abc], regex=[((a)|(ab))((c)|(bc))]
  prefix=[]
  smatch: m[0]=[abc] m[1]=[a] m[2]=[a] m[3]=[] m[4]=[bc] m[5]=[] m[6]=[bc]
  suffix=[]

По крайней мере в последнем ( из 3 ) случае выдача ( по идее логики идеального автомата ) должна быть ( с точностью до порядка и повторений ) следующей:

Code
1
abc

,
Со следующим порядком работы:

Code
1
2
3
4
a+c - нет,
a+bc - в выдачу,
ab+c - в выдачу, повтор
ab+bc - нет.

Текст раздела прочитал несколько раз, в том числе с переводом на русский - - всё равно логика работы алгоритма не ясна.

@GoldenId · 14.02.2024, 12:39 **[ТС]**

Собственно текст раздела Alternatives документации по грамматике ECMAScript:

«A regular expression pattern is sequence of one or more Alternatives, separated by the disjunction operator | (in other words, the disjunction operator has the lowest precedence)

Pattern ::

Disjunction
Disjunction ::

Alternative
Alternative | Disjunction

The pattern first tries to skip the Disjunction and match the left Alternative followed by the rest of the regular expression (after the Disjunction).

If it fails, it tries to skip the left Alternative and match the right Disjunction (followed by the rest of the regular expression).

If the left Alternative, the right Disjunction, and the remainder of the regular expression all have choice points, all choices in the remainder of the expression are tried before moving on to the next choice in the left Alternative. If choices in the left Alternative are exhausted, the right Disjunction is tried instead of the left Alternative.

Any capturing parentheses inside a skipped Alternative produce empty submatches.».

@nmcf · 14.02.2024, 17:41

Что именно не ясно?

@GoldenId · 14.02.2024, 19:51 **[ТС]**

nmcf,

Что такое choice points?

Что такое choices?

Почему вызов:

C++
1
show_matches("abc", "((a)|(ab))((c)|(bc))");

даёт ( в частности ) вывод:

Code
1
 smatch: m[0]=[abc] m[1]=[a] m[2]=[a] m[3]=[] m[4]=[bc] m[5]=[] m[6]=[bc]

,

а не

Code
1
smatch: m[0]=[abc], m[1]=[abc]

по логике, описанной в конце заглавного поста?

@nmcf · 14.02.2024, 19:59

Ну как я понял, слева направо смотрит. m[0] - это весь шаблон. А дальше идут группы по вложенности.
m[1]: ((a)|(ab))
m[2], m[3]: (a), (ab)
Так же с ((c)|(bc)).

Добавлено через 1 минуту
Т. е. скобки эти дерево образуют.

@GoldenId · 18.02.2024, 12:00 **[ТС]**

nmcf, но ведь должна быть канкатенация?
Из "(a|ab)(c|bc)" есть два узла:
"(a|ab)" и "(c|bc)" - - две дизъюнкции, из каждой из которых должна быть выбрана одна альтернатива:
"(a|ab)" -> "a" либо "ab"
"(c|bc)" -> "c" либо "bc",
и дальше сканкатенировать их варианты так, чтобы в обрабатываемый сиквенс укладывалось, там было.
Разве не так?

@nmcf · 18.02.2024, 12:35

Не очень понимаю, о чём ты. Почему не получается ab+c? Потому что слева направо. Если найдено совпадение с левой частью, то правая уже не рассматривается.

Новые блоги и статьи Все статьи Все блоги /
Символьное дифференцирование igorrr37 13.02.2026 / * Логарифм записывается как: (x-2)log(x^2+2) - означает логарифм (x^2+2) по основанию (x-2). Унарный минус обозначается как ! */ #include <iostream> #include <stack> #include <cctype>. . .	Камера Toupcam IUA500KMA Eddy_Em 12.02.2026 Т. к. у всяких "хикроботов" слишком уж мелкий пиксель, для подсмотра в ESPriF они вообще плохо годятся: уже 14 величину можно рассмотреть еле-еле лишь на экспозициях под 3 секунды (а то и больше),. . .	И ясному Солнцу zbw 12.02.2026 И ясному Солнцу, и светлой Луне. В мире покоя нет и люди не могут жить в тишине. А жить им немного лет.	«Знание-Сила» zbw 12.02.2026 «Знание-Сила» «Время-Деньги» «Деньги -Пуля»
SDL3 для Web (WebAssembly): Подключение Box2D v3, физика и отрисовка коллайдеров 8Observer8 12.02.2026 Содержание блога Box2D - это библиотека для 2D физики для анимаций и игр. С её помощью можно определять были ли коллизии между конкретными объектами и вызывать обработчики событий столкновения. . . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL_LoadPNG (без SDL3_image) 8Observer8 11.02.2026 Содержание блога Библиотека SDL3 содержит встроенные инструменты для базовой работы с изображениями - без использования библиотеки SDL3_image. Пошагово создадим проект для загрузки изображения. . .	SDL3 для Web (WebAssembly): Загрузка PNG с прозрачным фоном с помощью SDL3_image 8Observer8 10.02.2026 Содержание блога Библиотека SDL3_image содержит инструменты для расширенной работы с изображениями. Пошагово создадим проект для загрузки изображения формата PNG с альфа-каналом (с прозрачным. . .	Установка Qt-версии Lazarus IDE в Debian Trixie Xfce volvo 10.02.2026 В общем, достали меня глюки IDE Лазаруса, собранной с использованием набора виджетов Gtk2 (конкретно: если набирать текст в редакторе и вызвать подсказку через Ctrl+Space, то после закрытия окошка. . .

@GoldenId 142 / 143 / 64 Регистрация: 11.11.2010 Сообщений: 877 Записей в блоге: 10
	14.02.2024, 12:39 [ТС]
	Собственно текст раздела `Alternatives` документации по грамматике ECMAScript: «A regular expression pattern is sequence of one or more Alternatives, separated by the disjunction operator \| (in other words, the disjunction operator has the lowest precedence) Pattern :: Disjunction Disjunction :: Alternative Alternative \| Disjunction The pattern first tries to skip the Disjunction and match the left Alternative followed by the rest of the regular expression (after the Disjunction). If it fails, it tries to skip the left Alternative and match the right Disjunction (followed by the rest of the regular expression). If the left Alternative, the right Disjunction, and the remainder of the regular expression all have choice points, all choices in the remainder of the expression are tried before moving on to the next choice in the left Alternative. If choices in the left Alternative are exhausted, the right Disjunction is tried instead of the left Alternative. Any capturing parentheses inside a skipped Alternative produce empty submatches.». 0

@nmcf 7804 / 6568 / 2988 Регистрация: 14.04.2014 Сообщений: 28,705
	14.02.2024, 17:41
	Что именно не ясно? 0

@nmcf 7804 / 6568 / 2988 Регистрация: 14.04.2014 Сообщений: 28,705
	14.02.2024, 19:59
	Ну как я понял, слева направо смотрит. m[0] - это весь шаблон. А дальше идут группы по вложенности. m[1]: ((a)\|(ab)) m[2], m[3]: (a), (ab) Так же с ((c)\|(bc)). Добавлено через 1 минуту Т. е. скобки эти дерево образуют. 1

@GoldenId 142 / 143 / 64 Регистрация: 11.11.2010 Сообщений: 877 Записей в блоге: 10
	18.02.2024, 12:00 [ТС]
	nmcf, но ведь должна быть канкатенация? Из "(a\|ab)(c\|bc)" есть два узла: "(a\|ab)" и "(c\|bc)" - - две дизъюнкции, из каждой из которых должна быть выбрана одна альтернатива: "(a\|ab)" -> "a" либо "ab" "(c\|bc)" -> "c" либо "bc", и дальше сканкатенировать их варианты так, чтобы в обрабатываемый сиквенс укладывалось, там было. Разве не так? 0

@nmcf 7804 / 6568 / 2988 Регистрация: 14.04.2014 Сообщений: 28,705
	18.02.2024, 12:35
	Не очень понимаю, о чём ты. Почему не получается ab+c? Потому что слева направо. Если найдено совпадение с левой частью, то правая уже не рассматривается. 0