Lua中的贪婪/非贪婪模式匹配和可选后缀。

Question

在Lua中，我正在尝试模式匹配和捕获：

+384 Critical Strike (Reforged from Parry Chance)

作为

(+384) (Critical Strike)

后缀(Reforged from %s)是可选的。

详细版

我正在尝试使用Lua中的模式（即strfind）匹配字符串。

注意：在Lua中，他们不称之为正则表达式，而称之为模式，因为它们不是规则的。

示例字符串：

+384 Critical Strike
+1128 Hit

这可以分为两个部分，我想要捕捉:

• 数字，带有正负符号，此处为+384
• 字符串，此处为Critical Strike

我可以使用一个非常简单的模式来捕获它们:

而且这个在lua中的模式是有效的：

local text = "+384 Critical Strike";
local pattern = "([%+%-]%d+) (.+)";
local _, _, value, stat = strfind(text, pattern);

• value = +384
• stat = 暴击

棘手的部分

现在我需要扩展那个正则表达式 模式，以包括一个可选的后缀：

+384 Critical Strike (Reforged from Parry Chance)

被分解为：

注意：我并不特别关心可选的后缀；也就是说，我没有捕获它的要求，尽管捕获它会很方便。

这就是我开始遇到贪婪捕获问题的地方。立即，我已经有的模式做了我不想要的事情：

• pattern = ([%+%-]%d+) (.+)
• value = +384
• stat = 致命一击（从招架几率改造而来）

但让我们尝试在模式中包含后缀：

使用模式：

pattern = "([%+%-]%d+) (.+)( %(Reforged from .+%))?"

我正在使用?运算符表示后缀出现的0或1次，但是这匹配没有任何内容。

我盲目地尝试将可选的后缀组从圆括号(更改为方括号[：

pattern = "([%+%-]%d+) (.+)[ %(Reforged from .+%)]?"

但现在匹配又变得贪心了：

• value = +384
• stat = 致命一击（从招架几率改造）

基于Lua pattern 参考文档：

x: （其中x不是魔法字符^$()%.[]*+-?）表示字符x本身。

.:（点）表示所有字符。

%a：表示所有字母。

%c：表示所有控制字符。

%d：表示所有数字。

%l：表示所有小写字母。

%p：表示所有标点符号。

%s：表示所有空格字符。

%u：表示所有大写字母。

%w：表示所有字母数字字符。

%x：表示所有十六进制数字。

%z：表示表示为0的字符。

%x：（其中x是任何非字母数字字符）表示字符x。这是转义魔法字符的标准方法。在模式中，任何标点符号字符（即使是非魔法字符）都可以在前面加上“％”以表示自己。

[set]：表示集合，它是集合中所有字符的并集。可以通过用“ - ”分隔范围的结束字符来指定字符范围。所有上述% x类也可以用作集合中的组件。集合中的所有其他字符都表示它们自己。例如，[%w_]（或[_％w]）表示所有字母数字字符加下划线，[0-7]表示八进制数字，[0-7％l％-]表示八进制数字加小写字母加“ - ”字符。 范围和类之间的交互未定义。因此，像[%a-z]或[a-％％]这样的模式没有意义。

[^set]：表示集合的补集，其中集合的解释如上所述。

对于由单个字母（％a，％c等）表示的所有类别，相应的大写字母表示类别的补集。例如，％S表示所有非空格字符。

字母，空格和其他字符组的定义取决于当前语言环境。特别是，类别[a-z]可能不等同于％l。

还有神奇的匹配器：

• *，它匹配类中0个或多个字符的重复。这些重复项将始终匹配最长可能的序列；
• +，它匹配类中1个或多个字符的重复。这些重复项将始终匹配最长可能的序列；
• -，它也匹配类中0个或多个字符的重复。与“*”不同，这些重复项将始终匹配最短可能的序列；
• ?，它匹配类中一个字符的出现次数为0或1；

我注意到有一个贪婪的*和一个非贪婪的-修改器。由于我的中间字符串匹配器：

(%d) (%s) (%s)

似乎一直吸收文本直到结尾，也许我应该尝试使它非贪婪，通过将*更改为-：

oldPattern = "([%+%-]%d+) (.*)[ %(Reforged from .+%)]?"
newPattern = "([%+%-]%d+) (.-)[ %(Reforged from .+%)]?"

现在它无法匹配：

• 值 = +384
• 状态 = nil

与其捕获中间组的"任何"字符（即.），我尝试了一个包含除了(之外的所有内容的集合：

pattern = "([%+%-]%d+) ([^%(]*)( %(Reforged from .+%))?"

从那时起，局势失控了：

local pattern = "([%+%-]%d+) ([^%(]*)( %(Reforged from .+%))?"
local pattern = "([%+%-]%d+) ((^%()*)( %(Reforged from .+%))?"
local pattern = "([%+%-]%d+) (%a )+)[ %(Reforged from .+%)]?"

我原以为我很亲近：

local pattern = "([%+%-]%d+) ([%a ]+)[ %(Reforged from .+%)]?"

捕获哪些内容

- value = "+385"
- stat = "Critical Strike "  (notice the trailing space)

所以这就是我在枕头上撞头入睡的地方；我简直不敢相信我已经花了四个小时来处理这个正则表达式...模式。

---

@NicolBolas 所有可能的字符串集合，使用伪正则表达式语言定义如下：

+%d %s (Reforged from %s)

其中

• +表示正号 (+)或"负号" (-)
• %d表示任何拉丁数字字符（例如0..9）
• %s表示任何拉丁大写或小写字母或嵌入的空格（例如A-Za-z）
• 剩余的字符是文字。

如果我必须写一个显然试图做我想要的正则表达式：

\+\-\d+ [\w\s]+( \(Reforged from [\w\s]+\))?

但是如果我没有解释得足够清楚，我可以给你一个几乎完整的列表，列出我在野外可能遇到的所有值。

• +123 格挡 正数，单词
• +123 致命一击 正数，两个单词
• -123 格挡 负数，单词
• -123 致命一击 负数，两个单词
• +123 格挡（从躲闪改造） 正数，单词，可选后缀与单词一起出现
• +123 致命一击（从躲闪改造） 正数，两个单词，可选后缀与两个单词一起出现
• -123 格挡（从命中率改造） 负数，单词，可选后缀与两个单词一起出现
• -123 致命一击（从命中率改造） 负数，两个单词，可选后缀与两个单词一起出现

有一些奖励的模式，似乎很明显这些模式也会匹配：

• +1234 致命一击几率 四位数，三个单词
• +12345 坐骑和奔跑速度提高 五位数，五个单词
• +123456 坐骑和奔跑速度提高 六位数，五个单词
• -1 坐骑和奔跑速度提高 一位数，五个单词
• -1 命中（从致命一击转化） 负一位数，一个单词，可选后缀带有3个单词

而理想的模式应该匹配上述奖励条目，但不一定要匹配。

本地化

实际上，我试图解析的所有“数字”都将被本地化，例如：

• +123,456 在英语(en-US)中
• +123.456 在德语(de-DE)中
• +123'456 在法语(fr-CA)中
• +123 456 在爱沙尼亚语(et-EE)中
• +1,23,456 在阿萨姆语(as-IN)中

任何答案都不应该尝试解决这些本地化问题。你不知道一个数字将从何处呈现，这就是为什么数字本地化已被从问题中删除的原因。你必须严格假设数字包含加号、减号和拉丁数字0到9。我已经知道如何解析本地化的数字。这个问题是关于尝试匹配可选后缀与贪婪模式解析器的。

编辑：你真的不需要尝试处理本地化的数字。在不知道区域设置的情况下，尝试处理它们在某种程度上是错误的。例如，我没有包括所有可能的数字本地化。另外：我不知道未来可能存在的本地化情况。

- Ian Boyd

---

很难给出答案，因为您似乎没有描述所有可能的字符串。 - Nicol Bolas

函数strfind来自于旧版本的Lua 4.0。你真的在使用那个老版本吗？ - prapin

从文本内容来看，这是魔兽世界中的Lua，使用的是Lua 5.1版本。strfind很可能只是strfind = string.find。 - Mud

Answer 1

嗯，我没有安装Lua4，但是这个模式在Lua5下有效。我认为它对Lua4也有效。

更新1：由于指定了额外的要求（本地化），我已经调整了模式和测试以反映这些要求。

更新2：根据@IanBoyd在评论中提到的另一类包含数字的文本，更新了模式和测试。添加了字符串模式的说明。

更新3：针对最新问题中提到的单独处理本地化数字的情况，添加了变体。

尝试：

"(([%+%-][',%.%d%s]-[%d]+)%s*([%a]+[^%(^%)]+[%a]+)%s*(%(?[%a%s]*%)?))"

或者(不尝试验证数字本地化标记) - 只需采取任何不是字母的东西，以模式末尾的数字标记为准：

"(([%+%-][^%a]-[%d]+)%s*([%a]+[^%(^%)]+[%a]+)%s*(%(?[%a%s]*%)?))"

以上两种模式均不适用于处理科学计数法中的数字（例如：1.23e+10）。

Lua5测试（编辑以清理 - 测试变得混乱）：

function test(tab, pattern)
   for i,v in ipairs(tab) do
     local f1, f2, f3, f4 = v:match(pattern)
     print(string.format("Test{%d} - Whole:{%s}\nFirst:{%s}\nSecond:{%s}\nThird:{%s}\n",i, f1, f2, f3, f4))
   end
 end

 local pattern = "(([%+%-][',%.%d%s]-[%d]+)%s*([%a]+[^%(^%)]+[%a]+)%s*(%(?[%a%s]*%)?))"
 local testing = {"+123 Parry",
   "+123 Critical Strike",
   "-123 Parry",
   "-123 Critical Strike",
   "+123 Parry (Reforged from Dodge)",
   "+123 Critical Strike (Reforged from Dodge)",
   "-123 Parry (Reforged from Hit Chance)",
   "-123 Critical Strike (Reforged from Hit Chance)",
   "+122384    Critical    Strike      (Reforged from parry chance)",
   "+384 Critical Strike ",
   "+384Critical Strike (Reforged from parry chance)",
   "+1234 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
   "+12345 Mount and run speed increase (Reforged from CrItIcAl StRiKe ChAnCe)",
   "+123456 Mount and run speed increase (Reforged from CrItIcAl StRiKe ChAnCe)",
   "-1 MoUnT aNd RuN sPeEd InCrEaSe (Reforged from CrItIcAl StRiKe ChAnCe)",
   "-1 HiT (Reforged from CrItIcAl StRiKe ChAnCe)",
   "+123,456 +1234 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
   "+123.456 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
   "+123'456 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
   "+123 456 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
   "+1,23,456 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
   "+9 mana every 5 sec",
   "-9 mana every 20 min (Does not occurr in data but gets captured if there)"}
 test(testing, pattern)

以下是该模式的详细说明：

local explainPattern =  
   "(" -- start whole string capture
   ..
   --[[
   capture localized number with sign - 
   take at first as few digits and separators as you can 
   ensuring the capture ends with at least 1 digit
   (the last digit is our sentinel enforcing the boundary)]]
   "([%+%-][',%.%d%s]-[%d]+)" 
   ..
   --[[
   gobble as much space as you can]]
   "%s*"
   ..
   --[[
   capture start with letters, followed by anything which is not a bracket 
   ending with at least 1 letter]]
   "([%a]+[^%(^%)]+[%a]+)"
   ..
   --[[
   gobble as much space as you can]]
   "%s*"
   ..
   --[[
   capture an optional bracket
   followed by 0 or more letters and spaces
   ending with an optional bracket]]
   "(%(?[%a%s]*%)?)"
   .. 
   ")" -- end whole string capture

- Anthill

---

对于“+384暴击”，您的模式捕获了“+384”、“Critical Strik”和“e”。 - Mud

第二个捕获包括尾随空格（当后缀存在时，即在(之前的空格）。我认为这是无法避免的。 - Mud

实际上是有的 - 这是一个棘手的问题，但已经更新了示例。 - Anthill

我使用了您以前的模式，因为我有一个库可以匹配当前语言环境下的数字。为了满足所有单元测试，我确实需要对答案进行一些调整。我忘记了一类文本需要解析，即 +9 Mana every 5 sec.。在这种情况下，我想捕获 +9 和 Mana every 5 sec。这类输入文本永远不会（在实践中）后跟可选后缀。我将把它留给您来处理这种情况的调整。 - Ian Boyd

好的工作；我永远不会想到它。也因为我现在不知道它是如何工作的！ - Ian Boyd

不用谢 - 感谢您的反馈。我已经更新了我的答案，加入了您提到的额外用例，并解释了这个模式。 - Anthill

Answer 2

为什么要用一个模式来解析，而不是使用多个模式呢？

首先，获取数字：

local num, rest = string.match(test_string, "([%+%-]?%d+)%S*(.+)")

然后制作一张表格，列举出命中类型的可能性。

local hitTypes =
{
  "Hit",
  "Critical Strike",
  -- Insert more.
}

现在，迭代列表，对每个进行测试。

local hitIndex = nil
local reforge = nil

for i, htype in ipairs(hitTypes) do
  local final = string.match(rest, htype .. "%S*(.*)")
  if(final) then
    hitIndex = i
    reforge = string.match(final, "%(Reforged from (.+)%)")
  end
end

Lua模式有限，因此最好使用实际代码来避免它们的限制。

- Nicol Bolas

---

为什么要用一个模式来解析这个，而不是使用多个模式呢？这看起来像是在《魔兽世界》中解析战斗记录。你可能会在每一帧里做很多这样的事情，而你不想降低帧率。如果有可能，最好只对字符串进行一次处理，而不是 N 次处理。 - Mud

@Mud：然后每帧只处理其中的5个；将剩下的存入缓冲区，并在每帧从缓冲区中取出。 - Nicol Bolas

缓冲区会随着你越来越落后而无限增长。这其实不重要；我相信你的方法已经足够快了。我只是回答了你提出的问题：你采用一次性通过数据而不是多次传递，因为这样更快（可能）。无论如何，Anthill发布了一个模式，可以在一次操作中捕获OP想要的内容。 - Mud

Answer 3

这个方法更简单，不仅可以匹配模式，还可以直接查找所需字符串的短输出，你可以使用string.gsub函数

例如：

local testing = {"+123 Parry",
"+123 Critical Strike",
"-123 Parry",
"-123 Critical Strike",
"+123 Parry (Reforged from Dodge)",
"+123 Critical Strike (Reforged from Dodge)",
"-123 Parry (Reforged from Hit Chance)",
"-123 Critical Strike (Reforged from Hit Chance)",
"+122384    Critical    Strike      (Reforged from parry chance)",
"+384 Critical Strike ",
"+384Critical Strike (Reforged from parry chance)",
"+1234 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
"+12345 Mount and run speed increase (Reforged from CrItIcAl StRiKe ChAnCe)",
"+123456 Mount and run speed increase (Reforged from CrItIcAl StRiKe ChAnCe)",
"-1 MoUnT aNd RuN sPeEd InCrEaSe (Reforged from CrItIcAl StRiKe ChAnCe)",
"-1 HiT (Reforged from CrItIcAl StRiKe ChAnCe)",
"+123,456 +1234 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
"+123.456 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
"+123'456 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
"+123 456 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
"+1,23,456 Critical Strike Chance (Reforged from CrItIcAl StRiKe ChAnCe)",
"+9 mana every 5 sec",
"-9 mana every 20 min (Does not occurr in data but gets captured if there)"}

for k,v in ipairs(testing) do
  local result = string.gsub(v, "([%+%-][',%.%d%s]-[%+%d]+)%s*([%a]+[^%(^%)]+[%a]+)%s*(%(?[%a%s]*%)?)", '(%1) (%2) %3')
  print(result)
end

输出

(+123) (Parry) 
(+123) (Critical Strike) 
(-123) (Parry) 
(-123) (Critical Strike) 
(+123) (Parry) (Reforged from Dodge)
(+123) (Critical Strike) (Reforged from Dodge)
(-123) (Parry) (Reforged from Hit Chance)
(-123) (Critical Strike) (Reforged from Hit Chance)
(+122384) (Critical    Strike) (Reforged from parry chance)
(+384) (Critical Strike) 
(+384) (Critical Strike) (Reforged from parry chance)
(+1234) (Critical Strike Chance) (Reforged from CrItIcAl StRiKe ChAnCe)
(+12345) (Mount and run speed increase) (Reforged from CrItIcAl StRiKe ChAnCe)
(+123456) (Mount and run speed increase) (Reforged from CrItIcAl StRiKe ChAnCe)
(-1) (MoUnT aNd RuN sPeEd InCrEaSe) (Reforged from CrItIcAl StRiKe ChAnCe)
(-1) (HiT) (Reforged from CrItIcAl StRiKe ChAnCe)
(+123,456 +1234) (Critical Strike Chance) (Reforged from CrItIcAl StRiKe ChAnCe)
(+123.456) (Critical Strike Chance) (Reforged from CrItIcAl StRiKe ChAnCe)
(+123'456) (Critical Strike Chance) (Reforged from CrItIcAl StRiKe ChAnCe)
(+123 456) (Critical Strike Chance) (Reforged from CrItIcAl StRiKe ChAnCe)
(+1,23,456) (Critical Strike Chance) (Reforged from CrItIcAl StRiKe ChAnCe)
(+9) (mana every 5 sec) 
(-9) (mana every 20 min) (Does not occurr in data but gets captured if there)

- Webrom

Answer 4

function match_some_stat_thing(str)
    local sign, amount, label, note = string.match(str.."()", "^([%+%-])(%d+) ([%a ]-) ?(%b())")
    return sign == "+" and amount or -amount, label, string.match(note, "%((.*)%)")
end
print(string.format("%d %q %q", match_some_stat_thing("+384 Critical Strike (Reforged from Parry Chance)")))
print(string.format("%d %q %q", match_some_stat_thing("+384 Critical Strike")))
print(string.format("%d %q %q", match_some_stat_thing("+384 Critical Strike ")))

不是单一的模式，但它有效。

- Deco