[玩具] 使用 Kotlin DSL 来表示正则表达式

介绍

我的想法是，这个正则表达式根本就不是给人看的，更别说维护了，动一下就挂了， 不如像做 ORM 那样，封装一个个方法来表示正则表示

叠甲：我只学了基本的正则表达式，没有经历过需要大量使用正则表达式的经验，骂我的时候提个 ISSUE

用法

匹配电子邮箱地址

"[\w.-]+@[\w.-]+.\w{2,}"

有以下示例字符串

• [email protected] (匹配)
• [email protected] (匹配)
• [email protected] (不完全匹配，因为没有考虑顶级域如.co.uk)

构造下这个正则表达式

val regex = buildRegex {
    onemore(
        enumerate('A'..'Z')
            .concat('a'..'z')
            .concat(0..9)
            .concat('.')
            .concat('_')
            .concat('+')
            .concat('-')
    )

    literal("@")

    onemore(
        enumerate('A'..'Z')
            .concat('a'..'z')
            .concat(0..9)
            .concat('.')
            .concat('-')
    )

    escape('.')

    repeat(enumerate('A'..'Z').concat('a'..'z'), 2)
}

查看下匹配情况

assertTrue(regex.matches("[email protected]"))
assertTrue(regex.matches("[email protected]"))
assertFalse(regex.matches("invalid-email@com"))

顺带给你们看下生成的正则表达式，🤣，这下知道这玩意有多蛋疼了吧

[ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789._+-]([ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789._+-])+@[ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789.-]([ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789.-])+\.[ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz]([ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz]{2,})

匹配电话号码

"+?[\d- ]{7,}"

• +1-800-123-4567 (匹配)
• 0800123456 (匹配)
• 123-456-7890 (匹配)
• 123-abc-defg (不匹配，因为包含非数字字符)

val regex = buildRegex {
    maybe(escape('+'))

    repeat(
        enumerate(0..9).concat(escape('-')).concat(' '),
        minCount = 7)

}

assertTrue(regex.matches("+1-800-123-4567"))
assertTrue(regex.matches("0800123456"))
assertTrue(regex.matches("123-456-7890"))
assertFalse(regex.matches("123-abc-defg"))

匹配日期

"\d{4}-\d{2}-\d{2}"

• 2023-01-30 (匹配)
• 1999-12-31 (匹配)
• 2023/01/30 (不匹配，因为分隔符不是-)

val regex = buildRegex {
    fixedRepeat(digit(), 4)
    escape('-')
    fixedRepeat(digit(), 2)
    escape('-')
    fixedRepeat(digit(), 2)
}

assertTrue(regex.matches("2023-01-30"))
assertTrue(regex.matches("1999-12-31"))
assertFalse(regex.matches("2023/01/30"))

匹配 http url

"http(s)?://[a-zA-Z0-9.-]+.[a-zA-Z]{2,}(/[^ \t\n\r\f\v]*)?"

• http://example.com (匹配)
• https://www.subdomain.example.org/path/to/resource (匹配)
• ftp://example.com (不匹配，因为协议不是http或https)

val regex = buildRegex {
            literal("http")
            maybe(literal("s"))
            literal("://")
            onemore(enumerate(word()).concat('.').concat('-'))
            escape('.')
            repeat(
                enumerate(letter()).concat(capitalLetter()),
                minCount = 2
            )

            maybe(
                group(
                    literal("/"),
                    anycount(exclude(space()))
                )
            )
        }

assertTrue(regex.matches("http://example.com"))
assertTrue(regex.matches("https://www.subdomain.example.org/path/to/resource"))
assertFalse(regex.matches("ftp://example.com"))

匹配 HTML Tag

"<(\w+)[^>]>(.?)</\1>"

• Hello World
  (匹配)

• This is a paragraph.

  (匹配)
• (不匹配，因为它是一个自闭合标签)

这个模式用于匹配带有开始和结束标签的HTML元素内容，注意它不处理自闭合标签的情况。

val regex = buildRegex {
    literal("<")
    group(onemore(word()))
    anycount(exclude('>'))
    literal(">")
    group(anycount(any()).lazyMatch())

    literal("<")
    escape('/')
    group(onemore(word()))
    literal(">")
}

assertTrue(regex.matches("<div>Hello World</div>"))
assertTrue(regex.matches("<p>This is a paragraph.</p>"))
assertFalse(regex.matches("<img src=\"image.jpg\" />")) 

下一步改进建议

• 转义字符枚举
• 更多的扩展正则字符串
• 参考现代正则字符串