基于正则表达式的随机文本生成器

Question

基于正则表达式的随机文本生成器

regex

38

我想知道是否有软件可以根据给定的正则表达式和其他限制条件（例如长度），生成始终匹配给定正则表达式的随机文本。

谢谢

- Paralife

9个回答

21

Xeger 可以完成这个任务：

String regex = "[ab]{4,6}c";
Xeger generator = new Xeger(regex);
String result = generator.generate();
assert result.matches(regex);

- Wilfred Springer

3

根据使用的正则表达式，随机性会被扭曲。例如，正则表达式“[a-yZ]”将生成比其他字母多26倍的“Z”。请参见http://code.google.com/p/xeger/wiki/XegerLimitations。 - Twilite

14

所有正则表达式都可以表示为上下文无关文法。而且已经有一个很好的算法可以根据给定长度从任何CFG生成随机句子。因此，将正则表达式转换为CFG，应用该算法，然后完成即可。

- Jay

有没有已知的算法实现？这是不是一个冒险的尝试？ - Paralife

我几年前成功地在Perl中实现了它，并且它被用于“生产”，所以我可能做得没错。这个过程中最困难的部分是理解论文中使用的符号表示法。一旦跨过这个障碍，你就会很顺利。 - Jay Kominek

1

如果我找到了Perl的位置，我会告诉你的，但不要指望太多。 - Jay Kominek

嗯，不能递归匹配（Perl 有它们）和条件语句一起工作来创建甚至不再是上下文自由的东西？ - Joey

8

请查看RandExp Ruby gem。它可以做你想要的事情，但只能在有限的范围内使用。 (它不能处理所有可能的正则表达式，只能处理符合某些限制的正则表达式。)

- Pistos

8

如果您想要一个JavaScript解决方案，请尝试使用 randexp.js。

- fent

2

虽然有些晚了，但这可能对新手有所帮助。这是一个有用的Java库，提供了许多功能来使用正则表达式生成字符串（随机生成、基于索引生成字符串、生成所有字符串等）。在这里查看。

例子：

    Generex generex = new Generex("[0-3]([a-c]|[e-g]{1,2})");

    // generate the second String in lexicographical order that match the given Regex.
    String secondString = generex.getMatchedString(2);
    System.out.println(secondString);// it print '0b'

    // Generate all String that matches the given Regex.
    List<String> matchedStrs = generex.getAllMatchedStrings();

    // Using Generex iterator
    Iterator iterator = generex.iterator();
    while (iterator.hasNext()) {
        System.out.print(iterator.next() + " ");
    }
    // it print 0a 0b 0c 0e 0ee 0e 0e 0f 0fe 0f 0f 0g 0ge 0g 0g 1a 1b 1c 1e
    // 1ee 1e 1e 1f 1fe 1f 1f 1g 1ge 1g 1g 2a 2b 2c 2e 2ee 2e 2e 2f 2fe 2f 2f 2g
    // 2ge 2g 2g 3a 3b 3c 3e 3ee 3e 3e 3f 3fe 3f 3f 3g 3ge 3g 3g 1ee

    // Generate random String
    String randomStr = generex.random();
    System.out.println(randomStr);// a random value from the previous String list

- Mifmif

1

我们不久前在Python中做过类似的事情，为了写一个RegEx游戏。我们有一个约束条件，就是正则表达式必须是随机生成的，选定的单词必须是真实的。你可以在这里下载完成的游戏EXEhere和Python源代码here。

以下是一个片段：

def generate_problem(level):
  keep_trying = True
  while(keep_trying):
    regex = gen_regex(level)
    # print 'regex = ' + regex
    counter = 0
    match = 0
    notmatch = 0
    goodwords = []
    badwords = []
    num_words = 2 + level * 3
    if num_words > 18:
      num_words = 18
    max_word_length = level + 4
    while (counter < 10000) and ((match < num_words) or (notmatch < num_words)):
      counter += 1
      rand_word = words[random.randint(0,max_word)]
      if len(rand_word) > max_word_length:
        continue
      mo = re.search(regex, rand_word)
      if mo:
        match += 1
        if len(goodwords) < num_words:
          goodwords.append(rand_word)
      else:
        notmatch += 1
        if len(badwords) < num_words:
          badwords.append(rand_word)
    if counter < 10000:
      new_prob = problem.problem()
      new_prob.title = 'Level ' + str(level)
      new_prob.explanation = 'This is a level %d puzzle. ' % level
      new_prob.goodwords = goodwords
      new_prob.badwords = badwords
      new_prob.regex = regex
      keep_trying = False
      return new_prob