Haskell 中的 PCRE - 什么，在哪里，如何？答案

【问题标题】：PCRE in Haskell - what, where, how?Haskell 中的 PCRE - 什么，在哪里，如何？
【发布时间】：2011-12-14 12:20:19
【问题描述】：

多年来，我一直在寻找一些关于 Haskell 正则表达式的文档或教程。 HaskellWiki page 上没有有用的信息。它只是给出了神秘的信息：

Documentation
Coming soonish.

有一个简短的blog post 我发现它很有帮助，但是它只处理 Posix 正则表达式，而不是 PCRE。

我已经使用 Posix 正则表达式几个星期了，我得出的结论是，我的任务需要 PCRE。

我的问题是我不知道在 Haskell 中从哪里开始使用 PCRE。我已经用 cabal 下载了regex-pcre-builtin，但我需要一个简单匹配程序示例来帮助我开始。

是否可以实现多行匹配？
我能否以这种格式取回匹配项：[(MatchOffset,MatchLength)]？
我还可以使用哪些其他格式恢复匹配项？

非常感谢您的帮助！

【问题讨论】：

标签： regex haskell pcre

【解决方案1】：

想要在 Haskell 中使用 PCRE 风格的正则表达式时，有两个主要选项：

regex-pcre 使用与该博客文章中描述的相同界面（以及RWH，因为我认为是该博客文章的扩展版本）；这可以选择使用pcre-less 进行扩展。 regex-pcre-builtin 似乎是它的预发布快照，可能不应该使用。
pcre-light 绑定到 PCRE 库。它不提供您所追求的返回类型，只提供所有匹配项（如果有）。然而，pcre-light-extras 包提供了一个MatchResult 类，您或许可以为其提供这样的实例。这可以使用regexqq 来增强，它允许您使用准引用来确保您的正则表达式模式类型检查；但是，它不适用于 GHC-7（除非有人接管维护它，否则它不会）。

所以，假设你选择regex-pcre：

根据this的回答，是的。
我想是的，通过MatchArray 类型（它返回一个数组，然后您可以从中取出列表）。
请参阅here 了解正则表达式的所有可能结果。

【讨论】：

当我尝试这种方法进行多行匹配时，我收到了错误Not in scope 'compNewLine'。我认为它只适用于 Posix。
@NickBrunt compMultiline 或许那时？
pcre-light-extras 不是矛盾吗？
@mcandre：是的，我想最后两个词有点相互抵消......：p

【解决方案2】：

regexpr 是另一个 PCRE 风格的库，它是跨平台的并且可以快速上手。

【讨论】：

【解决方案3】：

嗯，我写了很多 wiki 页面，可能写了“即将推出”。 regex-pcre 包是我使用 regex-base 接口对 PCRE 的包装，其中 regex-base 用作几个非常不同的正则表达式引擎后端的接口。 Don Stewart 的 pcre-light 包没有这个抽象层，因此要小得多。

Text.Regex.Posix 上的博客文章使用了我的 regex-posix 包，它也在 regex-base 之上。因此，regex-pcre 的用法与那篇博文非常相似，只是 PCRE 的编译和执行选项不同。

对于配置 regex-pcre，Text.Regex.PCRE.Wrap module 具有您需要的常量。使用 regex-base 中的 makeRegexOptsM 指定选项。

【讨论】：

【解决方案4】：

还有我写的regex-applicative。

这个想法是，您可以为正则表达式的每个部分分配一些含义，然后组合它们，就像您使用 Parsec 编写解析器一样。

这是一个例子——简单的 URL 解析。

import Text.Regex.Applicative

data Protocol = HTTP | FTP deriving Show

protocol :: RE Char Protocol
protocol = HTTP <$ string "http" <|> FTP <$ string "ftp"

type Host = String
type Location = String
data URL = URL Protocol Host Location deriving Show

host :: RE Char Host
host = many $ psym $ (/= '/')

url :: RE Char URL
url = URL <$> protocol <* string "://" <*> host <* sym '/' <*> many anySym

main = print $ "http://stackoverflow.com/questions" =~ url

【讨论】：

【解决方案5】：

我觉得rex 也很不错，我认为它的 ViewPatterns 集成是个好主意。

虽然它可能很冗长，但这部分与正则表达式概念有关。

parseDate :: String -> LocalTime
parseDate [rex|(?{read -> year}\d+)-(?{read -> month}\d+)-
        (?{read -> day}\d+)\s(?{read -> hour}\d+):(?{read -> mins}\d+):
        (?{read -> sec}\d+)|] =
    LocalTime (fromGregorian year month day) (TimeOfDay hour mins sec)
parseDate v@_ = error $ "invalid date " ++ v

也就是说，我刚刚发现其他答案之一中提到的正则表达式应用程序，它可能是一个更好的选择，可能不那么冗长且更惯用，尽管如果您知道正则表达式，那么 rex 的学习曲线基本上为零加号。

【讨论】：