re-matches 返回错误

Question

re-matches 函数不具备正确的语义：它对字符串进行搜索（而非匹配），如果字符串和匹配字符串不相等，将返回 nil。这不同于真正的匹配，后者将"^"和"$"插入到模式的首尾。

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 问题（之一）的原因。

我不太清楚这里该如何处理。我首先想到的是，让 re-matches 检查其正则输入的 -source 属性，将字符串用 "^$" 封装起来，然后仔细地将所有标志复制到新正则表达式中。

提问
1. 有哪些有效的模式在这里可能不安全？也就是说，我们无法将 "^" 放在首个位置？"^^abc$$" 可以吗？
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. 多行模式在这方面如何处理？
1. regexinstance.lastIndex 是对正则实例的可变性（或在旧浏览器上的 RegExp 全局标志）的一部分，用于在相同字符串上多次调用 exec() 的字符串偏移量。如果 re-* 接收到设置了全局标志的正则表达式，我不知道该怎么办。（顺便说一下，这是拒绝 CLJS-150 的一个很好的理由：允许 clojure 接受全局标志会使得正则表达式对象具有状态，并将完全破坏 re-seq，例如。）

Answer 1

由：favila 评论

我想提出一个有些激进的建议，该建议将：解决此问题和 CLJS-810，使我们可以更好地解决 CLJS-485、CLJS-746、CLJS-794（clojure.string/replace 的问题），并允许我们在 JavaScript 中的模式中添加一些正则表达式作为值的便利之处，并通过实现更多的 re-* 函数使 clojurescript 的正则表达式处理更接近 clojure。

在以下 cljsfiddle 中的实现示例（不是一个补丁）：http://cljsfiddle.net/fiddle/favila.regexp

重要点

1. 使用 re-pattern 创建一个 Pattern 对象，它提供了用于搜索 (re-find) 或精确匹配 (re-matches) 或重复搜索 (re-seq, re-matcher + re-find) 的方法。即使这些方法使用的正则表达式字符串相似，但在 JavaScript 中每个都必须是一个不同的 RegExp 对象。re-find 和 re-matches 模式可以被缓存。所有这些都可以延迟生成 RegExps。
2. 正则表达式字面量会产生这些 Pattern 对象而不是 RegExp 对象。
3. 创建一个 Matcher 对象以对应当前未实现的 re-matcher。它结合了一个具有全局标记的 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（类似于 java），cljs 也可以实现 re-groups。
4. 让 re-seq 使用 Matcher 对象和原生 RegExps 提供的全局匹配的 .lastIndex。因此，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 接收到一个原生 RegExp 对象而不是模式，它将直接使用它。这符合当前的行为。
6. 如果 re-matches 接收到一个原生 RegExp 对象并且它不适合精确匹配，则从输入 RegExp 克隆一个新的 RegExp，并在其前后添加 ^ 和 $，并添加全局标记。此技术用于 clojure.string/replace，但使用不正确。

想法呢？

Answer 2

评论者：dnolen

这听起来很有趣，但我对互操作性有些担心。我想人们会期望函数既能接受常规的 RegExps，也能接受 Pattern。你在这里提到了这个问题吗？

Answer 3

由：favila 评论

如果我的某些想法比较模糊，请谅解；我有一段时间没想过这个问题了。

首先要注意，一组有限的 RegExps 是有效地 "纯" 的：如果它们执行完整的字符串匹配（例如，从 ^ 开始并以 $ 结束）并且全局标记设置为 false，则它们的 lastIndex 总是似乎为 0。

互操作性可能性

• 可以从一个创建另一个，因此强制转换总是可行的。例如，re-pattern 可以接受 RegExp 和一些其他（clojure-specific）函数可以强制转换从 Pattern 或 Matcher 到 RegExp。或者在 re-matcher 返回一个与 RegExp 兼容的对象—请参阅下面的内容。
• 传递给 cljs re-* 的 RegExp："纯" 的正则表达式可以直接使用，否则我们将创建一个 Pattern 和/或 Matcher（我不记得具体细节了，但是 fiddle 应该涵盖了它们）。
• 作为 RegExp 使用的 Pattern：Pattern 可以公开 RegExp 实例的所有属性。如果这个模式是纯的，它可以实现 .test 和 .exec。.lastIndex 总是会是 0。对于不纯的模式，我不确定该怎么办：抛出异常、依然表现得纯，还是返回一个新对象？
• 作为 RegExp 使用的 Matcher：一个 Matcher 可以精确地复制 RegExp 实例，也许甚至使用同一个原型。像 RegExp 一样使用它将改变对象并扰乱其内部状态，但是只要它在任何时候都既用作 RegExp，又用作 Matcher，这就不会有问题。注意
  **** Matcher 在 Java 中保留匹配的字符串。JavaScript 信任你总是提供相同的字符串（例如，在 while 循环中）。
  • Java 的 Matcher 保留最后一个匹配（用于 re-groups）。JavaScript 的 RegExp 不保留。
    当Js的正则表达式中的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，因为这些额外的三个状态位。
    re-matcher的返回值只由re-find和re-groups的1参数形式消费。 re-seq可以在内部使用matcher，但由于它是私有的，因此不必使用。
  • 其他Matcher的Java方法应该实现吗？
• String.prototype.match、 .replace、 .search和 .split传入的Pattern：我还没有想过这个问题。考虑因素
  **** 任何使用通过模式字面量或re-pattern创建的对象，并将其用作这些String方法参数的cljs代码都是问题代码。如果它们使用clojure.string方法代替，就不会有问题。
  • 这种代码在java clojure中也不可能实现：只有 (.split s "pattern-str") 在java/clj和js/cljs中是相同的，并且它将继续在两个平台上正常工作（不使用标志）。我们可能只需让人们修复这种代码，因为它是平台特定的，但需要看到这种问题的普遍程度。
    解决这种代码的方法可以是：
    使用我们将提供的pattern→regexp强制函数。
    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之间可移植的优势。
  • 我们可能可以修补RegExp构造函数或干涉String原型链来实现pattern→regexp强制转换，但这是一个激进的解决方案。

如果RegExp.prototype.test、.exec和String.prototype.match、.replace、.search和.split的使用不多，那么在Clojure（java）代码中，使用Pattern和Match方法或直接使用String方法的极其不常见。大多数情况下，它们被视为用于re-*和clojure.string/**的透明对象。在相同风格的代码中编写的代码将不受影响，我们可以声明任何其他使用为平台特定的，并需要显式创建正则表达式（并不要让Matcher或Pattern表现得像正则表达式）。这是如果没有太多使用RegExp.prototype.test、.exec和String.prototype.match、.replace、.search和.split，我的首选的互操作方法。

Answer 4

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