确定正则表达式是否只匹配固定长度字符串

Question

有没有一种方法可以确定正则表达式是否只匹配固定长度字符串？ 我的想法是扫描*，+和？然后，需要一些智能逻辑来寻找其中m！= n的{m，n}。 没有必要采取|运营商考虑在内。
小例子：^ \ d {4}是固定长度的;^\ d {4,5}或^ \ d +是可变长度

我正在使用PCRE。

谢谢。

保罗Praet

Answer 1

嗯，你可以利用一个事实，即Python的正则表达式引擎只允许在后向断言固定长度的正则表达式：

import re 
regexes = [r".x{2}(abc|def)", # fixed 
      r"a|bc",   # variable/finite 
      r"(.)\1",   # fixed 
      r".{0,3}",   # variable/finite 
      r".*"]    # variable/infinite 

for regex in regexes: 
    try: 
     r = re.compile("(?<=" + regex + ")") 
    except: 
     print("Not fixed length: {}".format(regex)) 
    else: 
     print("Fixed length: {}".format(regex)) 

将输出

Fixed length: .x{2}(abc|def) 
Not fixed length: a|bc 
Fixed length: (.)\1 
Not fixed length: .{0,3} 
Not fixed length: .* 

我假设正则表达式本身是有效的。

现在，Python如何知道正则表达式是否为固定长度？只要阅读源代码 - 在sre_parse.py中，有一种称为getwidth()的方法，返回由最低和最高可能长度组成的元组，并且如果这些元素在向后追踪断言中不相等，则re.compile()将引发错误。该方法getwidth()遍历该正则表达式递归：

def getwidth(self): 
    # determine the width (min, max) for this subpattern 
    if self.width: 
     return self.width 
    lo = hi = 0 
    UNITCODES = (ANY, RANGE, IN, LITERAL, NOT_LITERAL, CATEGORY) 
    REPEATCODES = (MIN_REPEAT, MAX_REPEAT) 
    for op, av in self.data: 
     if op is BRANCH: 
      i = sys.maxsize 
      j = 0 
      for av in av[1]: 
       l, h = av.getwidth() 
       i = min(i, l) 
       j = max(j, h) 
      lo = lo + i 
      hi = hi + j 
     elif op is CALL: 
      i, j = av.getwidth() 
      lo = lo + i 
      hi = hi + j 
     elif op is SUBPATTERN: 
      i, j = av[1].getwidth() 
      lo = lo + i 
      hi = hi + j 
     elif op in REPEATCODES: 
      i, j = av[2].getwidth() 
      lo = lo + int(i) * av[0] 
      hi = hi + int(j) * av[1] 
     elif op in UNITCODES: 
      lo = lo + 1 
      hi = hi + 1 
     elif op == SUCCESS: 
      break 
    self.width = int(min(lo, sys.maxsize)), int(min(hi, sys.maxsize)) 
    return self.width 

Answer 2

根据regular-expressions.info，所述PCRE发动机仅支持固定长度的正则表达式和交替内部lookbehinds。

所以，如果你有一个有效的正则表达式，围绕它与(?<=和)并看看它是否仍然编译。然后你知道它是固定大小的还是固定大小的正则表达式的交替。

我不确定类似a(b|cd)e的东西 - 这绝对不是固定大小的，但它仍然可以编译。你需要尝试一下（我没有安装C/PCRE）。

Answer 3

只是为了好玩。

假设我们反对只测试正则表达式支持+，*，?，{m,n}，{n}和[...]（除了一些奇怪的语法像[]]和[^]]）。那么正则表达式是仅当它跟随语法固定长度：

REGEX  -> ELEMENT * 
ELEMENT -> CHARACTER ('{' (\d+) (',' \1)? '}')? 
CHARACTER -> [^+*?\\\[] | '\\' . | '[' ('\\' . | [^\\\]])+ ']' 

可以在PCRE被重写为：

^(?:(?:[^+*?\\\[{]|\\.|\[(?:\\.|[^\\\]])+\])(?:\{(\d+)(?:,\1)?\})?)*$