(rontolisp) docs
← リファレンス

正規表現

#"..." リテラルはパターン値に読まれます(印字は #"..."、str は素の綴りを返します)。re-pattern は文字列をコンパイルしてパターンを返し、文字列1つの java.util.regex.Pattern/compile も全バックエンドで同じです(Pattern/quote と Pattern/matches もエンジンのもので、パターンは .matcher と .pattern に答えます)。パターンの比較は同一性です(オラクル通り)。re-find・re-seq・re-matches と re-matcher/re-groups の循環は、プログラムに組み込まれる 1 つのエンジンの上で走ります。このエンジンは java.util.regex.Pattern のドキュメントを基に本プロジェクトで書いたもので、並べて実行した JDK の答えと照合しているため、すべてのバックエンドがオラクルと同じ答えを返します。

NameExampleResult
re-pattern(re-pattern "a+")#"a+"
re-find(re-find #"a+" "aaab")aaa
re-seq(re-seq #"a+" "aaabbaa")(aaa aa)
re-matcher(do (def m (re-matcher #"\w+" "hi there")) (re-find m))hi
re-groups(do (def g (re-matcher #"(\w+)@(\w+)" "user@host")) (re-find g) (re-groups g))[user@host user host]
re-matches(re-matches #"a+" "aaa")aaa

構文は java.util.regex のものです。エスケープとクラス(和 [a[bc]]、積 [a-z&&[^aeiou]]、\h \v \R、\x{h...h})、グループ(捕捉、(?:...)、\k<name> で参照する名前付きの (?<name>...)、アトミックな (?>...))、先読み (?=...) (?!...) と後読み (?<=...) (?<!...)(最大長のあるもの。有無の判定はオラクルと同じです)、後方参照、貪欲・最短・所有の量指定子、\G(マッチャーの直前のマッチの終わり)、インラインフラグ i m s x d u U -- (?i) は外側のグループの終わりまで、(?i:...) はその中だけで効き、(?-i) で外します。不正なパターンはオラクルの PatternSyntaxException になり、メッセージも同じです。clojure.string/split・replace・replace-first もパターンを取ります(素の文字列は文字通りのままです)。文字列の置換は Matcher.appendReplacement と同じく $n と ${name} を展開します(re-quote-replacement がクォートします)。関数による置換はマッチに str 越しに適用されます。

Unicode のプロパティはオラクルと同じです。\p{...} と \P{...} は一般カテゴリ(\p{L}、\pL、\p{Lu}、\p{gc=Nd})、用字(\p{IsGreek}、\p{sc=Han})、ブロック(\p{InBasicLatin}、\p{block=Greek})、二値プロパティ(\p{IsAlphabetic}、\p{IsEmoji})、POSIX クラス(\p{Alpha}。(?U) がなければ ASCII)、Character のメソッド(\p{javaLowerCase})を名指し、Unicode データのテーブルから引きます。(?U) の下では \w \d \s \b も Unicode のものになり、\b は英字か数字の後の非スペーシングマークをその単語の一部とみなします。テーブルを持つのは、パターンのどれかがプロパティ、U フラグ、単語境界を名指しうるプログラムか、実行時に文字列からパターンを作るプログラムだけです。

\X は拡張書記素クラスタに、\b{g} はクラスタの境界にマッチします(オラクル通り、Unicode Standard Annex #29 の規則)。テーブルを持つのは、パターンのどれかがそのどちらかを名指しうるプログラムか、実行時に文字列からパターンを作るプログラムだけです。正規表現リテラル、またはリテラル文字列の re-pattern の中の \N{name} は、Character.codePointOf がその名前に返す文字です。名前はプログラムのコンパイル時に引きます。

このエンジンがマッチできないものは unsupported regex をシグナルします。計算した文字列から作るパターンの \N{...} と、(?c) の下の文字クラスとプロパティです。

仕様との差異:リーダーはバックスラッシュをオラクル通りに verbatim に保ちます(#"\\d" はバックスラッシュと d の並びに読まれるため、クラスはバックスラッシュ 1 つで書きます)。未知の ASCII 英字のエスケープ、短い・16進でない \u/\x、8進数字を伴わない \0、単独の \E は読み取り時の refusal で、それ以外の不正なパターンはコンパイルされる時点で拒否します。re-seq は strict リストを返します(オラクルの lazy も同じ印字)。位置は UTF-16 の単位ではなくコードポイントで数えます。このため、オラクルの find がサロゲートペアの間に入る場合(BMP 外の文字の直前で空マッチした後)はマッチが異なります。また、(?i) の下で BMP 外の文字を含む後読みは、オラクルでは決してマッチしませんが、ここではマッチします。置換関数は str 経由で描画されるため、nil はオラクルが投げる代わりに "" になります。