有没有可以将regexp转换为fsm的编译器？或者可以转换成人类语言？

Question

可以转换的东西

r"a+|(?:ab+c)"

到

{
    (1, 'a') : [2, 3],
    (2, 'a') : [2],
    (3, 'b') : [4, 3],
    (4, 'c') : [5]
}

或者类似的东西

并在 2 或 5 内接受

Answer 1

您有一个 调试标志，可以以更易读的形式打印您的正则表达式：

>>> import re
>>> re.compile(r"a+|(?:ab+c)", flags=re.DEBUG)
branch
  max_repeat 1 65535
    literal 97
or
  subpattern None
    literal 97
    max_repeat 1 65535
      literal 98
    literal 99
<_sre.SRE_Pattern object at 0x0000000002325328>

Answer 2

我有一些代码可以做到这一点。它没有很好的文档记录，并且不受支持，但如果您有兴趣，欢迎查看。

该库称为 rxpy，存储库是 http://code.google.com/p/rxpy

进行解析的例程是 parse_pattern ，位于 http://code.google.com/p/rxpy/source/browse/rxpy/src/rxpy/parser/pattern.py#871

如果您对结果调用

repr(...)

，您会得到“点语言”的图表 - https://en.wikipedia.org/wiki/DOT_language

例如，请参阅测试： http://code.google.com/p/rxpy/source/browse/rxpy/src/rxpy/parser/_test/parser.py#47

为了说明我的意思，让我们看看 http://code.google.com/p/rxpy/source/browse/rxpy/src/rxpy/parser/_test/parser.py#234 的测试，这是对于

'ab*c'

：

"""digraph {
 0 [label="a"]
 1 [label="...*"]
 2 [label="b"]
 3 [label="c"]
 4 [label="Match"]
 0 -> 1
 1 -> 2
 1 -> 3
 3 -> 4
 2 -> 1
}"""

从

0

开始，可以匹配“a”以进入状态

1

。 从那里你可以匹配“b”进入状态

2

或“c”进入状态

3

。 状态

2

然后转换回

1

，可以消耗另一个“b”，等等。用手阅读有点难看，但是当测试失败时，你会在屏幕上显示一个小图表。

该库还有各种“引擎”，可以将字符串与该图进行匹配（正则表达式匹配也是如此）。 但它比 python 库慢得多（因为它是纯 python）。

这不受支持，并且可能不是很清楚 - 抱歉 - 但我认为它接近您想要的，如果它有用，欢迎您使用它（MPL 或 LGPL 许可证）。