re-matches 结果不正确

Question

re-matches 函数没有正确的语义：它对字符串进行搜索（而不是匹配），如果字符串和匹配的字符串不相等，则返回 nil。这不同于真正匹配，这就像在模式开头和结尾插入"^"和"$"。

Clojure 中的示例

user=> (re-find #"0|[1-9][0-9]+|0[xX][0-9a-zA-Z]+" "0x1") "0" user=> (re-matches #"0|[1-9][0-9]+|0[xX][0-9a-zA-Z]+" "0x1") "0x1"

比较 ClojureScript

ClojureScript:cljs.user> (re-find #"0|[1-9][0-9]+|0[xX][0-9a-zA-Z]+" "0x1") "0" ClojureScript:cljs.user> (re-matches #"0|[1-9][0-9]+|0[xX][0-9a-zA-Z]+" "0x1") nil

这是 CLJS-775（之一）的原因。

我不太确定这里可以做什么。我的第一个想法是让 re-matches 检查其正则输入的 -source 属性，将字符串用"^$"包裹起来，然后小心翼翼地将所有标志复制到一个新的正则表达式。

问题
1. 有任何有效的模式在这个操作中不安全吗？例如，我们是否不能把"^"放在第一位？"^^abc$$"好吗？
1. 如果"^"和"$"已经是模式的第一和最后一个字符，我们能否避免复制？
1. 多行模式对此有何影响？如果有，如何影响？
1. regexinstance.lastIndex 是正则实例（或旧浏览器上的 RegExp 全局标志）的可变性的一部分，用于对相同字符串调用 exec() 的多个调用中的字符串偏移量。我不知道如果 re-* 在全局标志设置为正则表达式的情况下接收到正则表达式该怎么做。（顺便说一下，这是拒绝 CLJS-150 的一个非常好的理由：允许 clojure 接受全局标志会使正则表达式对象有状态，并完全搞砸 re-seq，例如。）

Answer 1

评论由：favila 发布

我想提出一个稍微激进的建议，这个建议将：修复此问题以及 CLJS-810，使我们能够在解决 CLJS-485 CLJS-746 CLJS-794（clojure.string/replace 痛点）时处于更好的位置，允许我们在 js（CLJS-67 和 CLJS-68）模式中添加一些正则表达式作为值的便利之处，并通过实施更多 re-* 函数使 ClojureScript 的正则表达式处理更接近 Clojure。

在此 cljsfiddle 中的示例实现（不是补丁）：http://cljsfiddle.net/fiddle/favila.regexp

关键要点

1. 通过 re-pattern 创建一个 Pattern 对象，该对象提供用于搜索（re-find）或精确匹配（re-matches）或重复搜索（re-seq、re-matcher + re-find）的方法。在 JavaScript 中，尽管这些正则表达式字符串相似，但每个都必须是不同的 RegExp 对象。re-find 和 re-matches 模式可以被缓存。所有这些都可以懒加载生成 RegExps。
2. 正则表达式文字会发出这些 Pattern 对象而不是 RegExp 对象。
3. 创建一个 Matcher 对象来对应尚未实现的 re-matcher。它包含一个全局标记的 RegExp 对象、一个搜索字符串和一个完成标记。如果它保留最后一个匹配项（类似于 Java），cljs 也可以实现 re-groups。
4. 让 re-seq 使用 Matcher 对象，并因此使用原生 RegExp 提供的全局匹配的 .lastIndex。（其实现不再需要在每次匹配后进行字符串切片。）
5. 如果 re-find 给出了一个原生 RegExp 对象而不是模式，则它将直接使用它。这符合当前的行为。
6. 如果 re-matches 给出了一个原生 RegExp 对象，并且它不适用于精确匹配，则从输入 RegExp 中克隆一个新的 RegExp，并在前面和后面加上 ^ 和 $，并添加全局标志。（这种技术在 clojure.string/replace 中使用，但使用不正确。）

有何看法？

Answer 2

评论者：dnolen

这听起来很有趣，但我对互操作性故事有所顾虑。我认为人们会期待函数能够接受常规 RegExp 以及 Pattern。您在这里没有提到这个问题吗？

Answer 3

评论由：favila 发布

如果我的某些想法比较模糊，那是因为我已经有一段时间没有考虑这个问题了。

首先要注意，有一类 RegExp 实际上是“纯净的”：如果它们进行全文匹配（例如以 ^ 开始并以 $ 结束）并且全局标志设置为 false，则它们的 lastIndex 总是看起来是 0。

互操作性可能性

• 可以从一个创建另一个，因此强制转换总是选项之一。例如，re-pattern 可以接受一个 RegExp，以及一些其他（cljs 特定）可以将 Pattern 或 Matcher 强制转换为 RegExp 的函数。（或者也许 re-matcher 可以返回一个与 RegExp 兼容的对象——见下文。）
• 传递给 cljs 的 RegExp："纯净" 的正则表达式可以直接使用，否则我们创建一个 Pattern 和/或 Matcher。（我不记得具体细节，但 fiddle 应该涵盖了这些问题。）
• 用作 RegExp 的 Pattern：Patterns 可以公开 RegExp 实例的所有属性。如果是纯净模式，则可以实现 .test 和 .exec。.lastIndex 总是 0。不清楚如何处理不纯净模式：抛出异常、仍然表现为纯净，还是返回一个新的对象？
• Matcher 作为 RegExp 使用：Matcher 可以精确复制 RegExp 实例，甚至可以使用相同的原型。将其用作 RegExp 会改变对象的状态并干扰其内部状态，但只要它始终一致地用作 RegExp 或始终一致地用作 Matcher，这就无关紧要。注意事项
  **** Matcher 在 Java 中持有匹配的字符串。JavaScript 信任你始终提供相同的字符串（例如，在 while 循环中）。
  • Java 的 Matcher 持有最后一次匹配（由正则分组使用）。JavaScript 的 RegExp 不绑定。
    当 lastIndex 达到源字符串的末尾时，JavaScript 的 RegExp 会自动重置。Java 的 Matcher 不会。
    由于这三个额外的状态，Matcher 必须是一个包装器，而不是一个普通的 RegExp。
    re-matcher 的返回值仅由 re-find 和 re-groups 的 1 个参数版本消耗。
    re-seq 可以在内部使用 matcher，但由于它是私有的，因此不必这样做。
  • Matcher 应该实现其他Java方法吗？
• 传递给 String.prototype.match、.replace、.search 和 .split 的模式：我还没有考虑过这个问题。考虑事项
  **** 问题代码是任何使用通过模式文字或 re-pattern 创建的对象，并将其用作这些 String 方法的参数的 cljs 代码。如果它们使用 clojure.string 方法，则会正常工作。
  • 此类代码在 Java Clojure 中也不可能：只有 (.split s "pattern-str") 在 java/clj 和 js/cljs 中相同，并且它将在两个平台上继续工作（无标志）。我们可能只需要让人们修复这样的代码，因为它是平台特定的，但我需要看看它有多普遍。
    这类代码的修复方法是：
    使用我们将提供的 pattern→regexp 强制转换函数。
    直接使用 js/RegExp 构造那些正则表达式。
    使用 clojure.string 函数而不是 String 方法。这也具有在 clj 和 cljs 之间可移植的优点。
  • 我们可能会修补 RegExp 构造函数或操作 String 原型链以自动执行 pattern→regexp 强制转换，但这是一个暴力解决方案。

如果我在 Clojure (java) 代码中错了，但在极端情况下使用 Pattern 和 Match 方法或直接与 String 方法一起使用是非常罕见的。大部分情况下，它们被视为用于 re-* 和 clojure.string/** 的不透明对象。在 cljs 中以相同方式编写的代码将不会受到影响，并且我们可以将任何其他使用声明为平台特定的，并要求显式创建 RegExp（并且不必担心 Matcher 或 Pattern 是否表现得像 RegExp）。如果没有太多使用 RegExp.prototype.test、.exec 和 String.prototype.match、.replace、.search 和 .split，这是我首选的互操作方法。

Answer 4

参考：https://clojure.atlassian.net/browse/CLJS-776（由 favila 报告）