More ...
編集履歴:過去のバージョン
2015/10/09 15:16:44 JST時点での正規表現の内容
HSP製の正規表現エンジンです．~% 対応する記号は，'*'，'|'，'('，')'のみです．(他の文法の追加も容易であると思います)~% 改良求みます． 別途，vain0さんのabdataモジュールが必要です．~% [https://github.com/vain0/abdata] ** 実行結果 [[$$img http://cdn.devlion.net/regexp_ss.png]] ** regexp.hsp {{{ #include "abdata/abdata/all.as" #enum global ND_Union = 0 #enum global ND_Star #enum global ND_Char #enum global ND_Concat #enum global ND_Empty #enum global OP_Char = 0 #enum global OP_Match #enum global OP_Jump #enum global OP_Split #enum global CD_Opecode = 0 #enum global CD_Operand1 #enum global CD_Operand2 /************************* * VM * 実際にテストを行う仮想マシン * Compilerが吐くlistを実行する *************************/ #module VM pc, sp, mem, text #modinit int _mem, str _text pc = 0 // 実行中のmemのインデックス sp = 0 // 判定中のtextのインデックス mem = _mem // コンパイルされた正規表現 text = _text // 対象の文字列 return // textに対して判定を行う #modcfunc start local tmp_pc, local tmp_sp, local ins, local result result = 0 // 0ならマッチ失敗、1ならマッチ成功 // memを0からOP_Matchが表れるまで実行する repeat ins = list_get(mem, pc) // 実行する命令 // 命令ごとに処理を分ける switch(list_get(ins, CD_Opecode)) // PCをオペランド1に置き換える case OP_Jump pc = list_get(ins, CD_Operand1) - 1 swbreak // PCをオペランド1として新しいスレッドを作成 // その後、PCをオペランド2として続行 case OP_Split tmp_pc = pc tmp_sp = sp pc = list_get(ins, CD_Operand1) if (start(thismod)) : result = 1: break sp = tmp_sp pc = list_get(ins, CD_Operand2) - 1 swbreak // textのSP番目の文字が、オペランド1と等しいか判定 // 等しくなければスレッドを終了 case OP_Char if (peek(text, sp) == list_get(ins, CD_Operand1)) { sp++ } else { result = 0 : break } swbreak // マッチ成功 case OP_Match result = 1 : break swbreak swend pc++ // 次の実行のために、PCを更新する loop return result #modfunc set_pc int _pc pc = _pc return #modcfunc get_pc return pc #modfunc set_sp int _sp sp = _sp return #modcfunc get_sp return sp #global /********************************* * Parser * 正規表現から構文木を作成する *********************************/ #module Parser pattern, it #modinit str _pattern pattern = _pattern // 正規表現 it = 0 // 現在処理している文字のインデックス return // パースを行う // 返り値としてtnode(tnx)が返る #modcfunc parse local result result = parse_exp@Parser(thismod) return result // 正規表現全体をパース #modcfunc local parse_exp local result result = parse_subexp@Parser(thismod) // もし、正規表現の最後まで到達しなかった場合、構文エラー if (strlen(pattern) != it) { dialog "Could not reach EOF" return result } return result // '|'を含む正規表現をパース #modcfunc local parse_subexp local result, local node1, local node2 result = parse_subseq@Parser(thismod) // '|'であるかどうか if (peek(pattern, it) == $7c) { // node1は'|'の左側 // node2は'|'の右側 it++ node1 = result node2 = parse_subexp@Parser(thismod) tnode_new result, ND_Union, list_make() tnx_addChd result, node1 tnx_addChd result, node2 } return result // 文字オブジェクトをパース(通常の文字または、'('~')'で表される集合) #modcfunc local parse_factor local result // '('であるかどうか if (peek(pattern, it) == $28) { it++ result = parse_subexp@Parser(thismod) } else { // 通常の文字 tnode_new result, peek(pattern, it), list_make() } it++ return result // 連接文字をパース #modcfunc local parse_seq local result, local tmp tmp = peek(pattern, it) // '('または、記号ではない通常の文字 if (tmp == $28 || (tmp != $7c && tmp != $29 && tmp != $2a && tmp != $00)) { return parse_subseq@Parser(thismod) } tnode_new result, ND_Empty, list_make() return result // '*'または文字、'*'または文字と文字の連接をパース #modcfunc local parse_subseq local result, local node1, local node2, local tmp result = parse_star@Parser(thismod) tmp = peek(pattern, it) // '('または、記号ではない通常の文字 if (tmp == $28 || (tmp != $7c && tmp != $29 && tmp != $2a && tmp != $00)) { node1 = result node2 = parse_subseq@Parser(thismod) tnode_new result, ND_Concat, list_make() tnx_addChd result, node1 tnx_addChd result, node2 } return result // '*'をパース #modcfunc local parse_star local result, local tmp result = parse_factor@Parser(thismod) // '*'であるかどうか if (peek(pattern, it) == $2a) { tmp = result tnode_new result, ND_Star, list_make() tnx_addChd result, tmp it++ } return result #global /************************* * Compiler * 構文木からVM用のバイトコードを生成する *************************/ #module Compiler pc, ast #modinit int _ast pc = 0 // 現在コンパイル中のインデックス ast = _ast // 構文木 return // コンパイルを行う // 返り値としてバイトコードのlistが返る #modcfunc compile local result, local tmp list_new result pc = 0 // コンパイル compile_node@Compiler thismod, ast, result // 最後にOP_Matchを追加する list_new tmp list_add tmp, OP_Match list_add tmp, 0 list_add tmp, 0 list_add result, tmp return result // ノード単位のコンパイル // 再帰的に実行される // 変換先のバイトコードに関しては以下を参照 // http://qiita.com/yyu/items/84b1a00459408d1a7321#%E6%AD%A3%E8%A6%8F%E8%A1%A8%E7%8F%BE%E3%81%8B%E3%82%89%E3%83%90%E3%82%A4%E3%83%88%E3%82%B3%E3%83%BC%E3%83%89%E3%81%B8%E3%81%AE%E5%A4%89%E6%8F%9B #modfunc local compile_node int node, int code, local tmp, local tmp1, local tmp2 switch(tnode_get(node)) case ND_Concat // 連接 // 二つの要素をそれぞれ順にコンパイルする compile_node@Compiler thismod, tnxChd(node, 0), code compile_node@Compiler thismod, tnxChd(node, 1), code swbreak case ND_Star // '*' list_new tmp list_add tmp, OP_Split list_add tmp, pc + 1 list_add tmp, 0 list_add code, tmp tmp1 = pc pc++ compile_node@Compiler thismod, tnxChd(node, 0), code list_new tmp list_add tmp, OP_Jump list_add tmp, tmp1 list_add tmp, 0 list_add code, tmp pc++ list_ref(list_get(code, tmp1), CD_Operand2) = pc swbreak case ND_Union // '|' list_new tmp list_add tmp, OP_Split list_add tmp, pc + 1 list_add tmp, 0 list_add code, tmp tmp1 = pc pc++ compile_node@Compiler thismod, tnxChd(node, 0), code list_new tmp list_add tmp, OP_Jump list_add tmp, 0 list_add tmp, 0 list_add code, tmp tmp2 = pc pc++ compile_node@Compiler thismod, tnxChd(node, 1), code list_ref(list_get(code, tmp1), CD_Operand2) = tmp2 + 1 list_ref(list_get(code, tmp2), CD_Operand1) = pc swbreak case ND_Empty swbreak default // ND_Char list_new tmp list_add tmp, OP_Char list_add tmp, tnode_get(node) list_add tmp, 0 list_add code, tmp pc++ swbreak swend return #global /************************* * Regexp * 正規表現を管理する *************************/ #module Regexp code #modinit str _pattern, local par, local com, local ast // 正規表現をパース newmod par, Parser, _pattern ast = parse(par) delmod par // 構文木をコンパイル newmod com, Compiler, ast code = compile(com) delmod com // デバッグ用 // バイトコードの様子が見れます /*repeat list_size(code) buf = strf("%d: ", cnt) ins = list_get(code, cnt) op1 = list_get(ins, CD_Operand1) op2 = list_get(ins, CD_Operand2) tmp = " " switch list_get(list_get(code, cnt), CD_Opecode) case OP_Split buf += strf("SPLIT %d, %d", op1, op2) swbreak case OP_Jump buf += strf("JUMP %d", op1) swbreak case OP_Char poke tmp, 0, op1 buf += strf("CHAR %s", tmp) swbreak case OP_Match buf += "MATCH" swbreak swend logmes buf loop*/ tnode_delete ast return #modterm IterateBegin code, list list_delete it IterateEnd list_delete code return // 判定を行う // マッチに成功すれば1、失敗すれば0が返る #modcfunc match str _text, local machine, local result newmod machine, VM, code, _text result = start(machine) delmod machine return result #global /*********************************** * サンプル ***********************************/ pattern = "(Objective-)*C(++|#)*" lang = "B", "C", "C++", "C#", "Objective-C", "D" newmod clike, Regexp, pattern mes "Pattern:" + pattern mes repeat length(lang) if (match(clike, lang(cnt)) == 1) { color 0, 128, 0 mes strf("%s is C-like!", lang(cnt)) } else { color 128, 0, 0 mes strf("%s", lang(cnt)) } loop delmod clike }}} *** 参考 [http://qiita.com/yyu/items/84b1a00459408d1a7321]~% [http://codezine.jp/article/corner/237]