re-matches 不正确

Question

re-matches 函数没有正确的语义：它在字符串和匹配字符串不相等时返回 nil（执行搜索而不是匹配）。这不同于真正的匹配，就像在模式的开始和结束插入 "^" 和 "$" 一样。

Clojure 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。

我不完全确定这里要做什么。我的第一个想法是让 re-matches 检查其正则表达式输入的 -source 属性，然后用 "^$" 包装字符串，然后将所有标志仔细复制到一个新的正则表达式。

问题
1. 有没有哪些模式在这种情况下是不安全的？例如，不能首先放置 "^" 的模式？"^^abc$$" 是否可以？
1. 如果 "^" 和 "$" 已经是模式的第一个和最后一个字符，我们能避免复制吗？
1. 在多行模式下如何参与其中，如果有的话？
1. regexinstance.lastIndex 是正则表达式实例的可变部分（或在旧浏览器上的 RegExp 全局标志），它用作同一字符串上多次 exec() 调用的字符串偏移量。我毫无头绪，如果 re-* 获取设置全局标志的正则表达式时应该怎么办。（顺便说一下，这是拒绝 CLJS-150 的一个非常好的理由：允许 clojure 接受全局标志使正则表达式对象具有状态性，并完全破坏 re-seq 等。）

Answer 1

评论者：favila

我想提出一个相当激进的建议，这将：修复此问题以及 CLJS-810，让我们更好地解决 CLJS-485、CLJS-746、CLJS-794（clojure.string/replace 痛点），并允许我们在 js 中将一些正则表达式作为值的魅力添加到模式中（CLJS-67 和 CLJS-68），并通过实现更多的 re-* 函数将 clojurescript 的正则表达式处理更接近 clojure。

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

关键点

1. 创建一个Pattern对象，该对象由re-pattern创建，它提供了创建用于搜索（re-find）或精确匹配（re-matches）或重复搜索（re-seq，re-matcher + re-find）的正则表达式的方法。即使它们是相似的定期表达式字符串，JavaScript中每个这些都必须是一个不同的RegExp对象。re-find和re-matches模式可以被缓存。所有这些都可以懒惰地生成正则表达式。
2. 正则表达式文字将产生这些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。它结合了带全局标志的正则表达式对象、搜索字符串和完成标志。如果它保持最后的匹配（类似于Java），Clojure Script也可以实现re-groups。
4. 让re-seq使用Matcher对象，从而使用本地正则表达式提供的.lastIndex进行全局匹配。（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被一个本地RegExp对象而不是一个模式给出，它将完全使用它。这与当前行为相符。
6. 如果re-matches被一个本地RegExp对象给出并且它不支持精确匹配，它将从输入RegExp克隆一个新RegExp并在前后加上^和$，并添加全局标志。（此技术在clojure.string/replace中已使用，但使用不正确。）

你认为呢？

Answer 2

评论者：dnolen

这听起来很有趣，但我对互操故事有点担心。我认为人们会期待函数接受正则正则表达式以及Pattern。你没有在这里提到这个问题吗？

Answer 3

评论者：favila

如果我的某些想法比较模糊，我也不能从长远的角度来考虑这个问题。

首先注意，一类狭窄的正则表达式实际上是“纯的”：如果它们执行全文匹配（例如，从^开始并以$结束）并且全局标志设置为false，则其lastIndex始终似乎为0。

互操可能性

• Pattern和RegExp可以互相创建，因此强制转换始终是一个选项。例如，re-pattern可以接受RegExp和一些其他（Clojure-specific）函数可以强制从Pattern或Matcher转换为RegExp。（或者也许re-matcher可以返回一个RegExp兼容的对象--参见下文。）
• 给Clojure Script的RegExp：“纯”正则表达式可以直接使用，否则我们将创建Pattern和/或Matcher。（我不记得细节了，但fiddle应该包括它们。）
• 作为RegExp使用的Pattern：Pattern可以公开RegExp实例的所有属性。如果模式是纯的，它可以实现.test和.exec。.lastIndex始终为0。不清楚如何处理不纯的模式：抛出异常、仍按纯模式处理，还是返回新对象？
• 作为RegExp使用的Matcher：一个Matcher可以精确地复制一个RegExp实例，甚至可能使用相同的原型。像RegExp一样使用它将改变对象并扰乱其内部状态，但只要它始终一致地作为RegExp或始终一致地作为Matcher使用，这就不会成问题。备注
  **** Matcher在Java中保留匹配的字符串。JavaScript信任你始终提供相同的字符串（例如，在while循环中）。
  • Java的Matcher保存最后一个匹配（用于re-groups）。JavaScript的RegExp不一定。
    当Javascript的RegExp的lastIndex达到源字符串的末尾时，它将自动重置。而Java的Matcher不会。 Matcher必须是一个包装器，而不是一个普通的RegExp，因为它有三个额外的状态。
    re-matcher的返回值只为re-find的1-arg形式和re-groups生成器所用。 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。
  • 应该实现Matcher的其他Java方法吗？
• 传递给String.prototype.match、.replace、.search和.split的模式：我还没有考虑这个问题。考虑因素
  **** 任何使用通过模式字面量或re-pattern创建的对象，并将其作为参数传递给这些String方法的cljs代码都是问题代码。如果它们使用clojure.string方法，则不会有问题。
  • 这样的代码在java clojure中也是不可能的：只有(.split s "pattern-str")在java/clj和js/cljs中相同，并且它将继续在两个平台上工作（不使用标志）。我们可能只需要让人们修复这样的代码，因为它是平台相关的，但我需要看看这是否很普遍。
    这段代码的修复方法可以是：
    使用我们将提供的pattern→regexp转换函数。
    直接使用js/RegExp直接构造这些正则表达式。
    使用clojure.string函数代替String方法。这也具有在clj和cljs之间可移植的优点。
  • 我们可能可以通过修补RegExp构造函数或修改String原型链来自动执行模式→regexp转换，但这是一种激进的方法。

如果我没有错的话，在Clojure（java）代码中使用Pattern和Match方法或直接使用String方法的情况非常罕见。大部分情况下，它们被视为通过re-*和clojure.string/**使用的不可见对象。以相同风格编写的代码将不受影响，我们可以宣布任何其他使用为平台特定，并要求明确创建正则表达式（并且不必让Matcher或Pattern表现得像正则表达式）。这是我没有太多的RegExp.prototype.test、.exec和String.prototype.match、.replace、.search、.split使用时的Interop首选方法。

Answer 4

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