使用 pyparsing 解析正则表达式列表（字面意思）

Question

我想解析正则表达式列表以计算每个正则表达式在特定文本/字符串中找到与其匹配的可能性...

例如。在长度为 1 的字符串中查找“[AB]”应该约为 1/13（仅考虑大写字母）。

是否有一个通用的正则表达式解析器，它返回各个位置/替代方案？ 我正在考虑获取职位列表作为返回 ('[AB].A{2}' 会产生 '[['A','B'],'.' ,['AA']')

问题是用pyparsing解析正则表达式。 简单的正则表达式没有问题，但是当涉及到“替代”和重复时，我迷失了：我发现很难解析像 '((A[AB])| 这样的嵌套表达式。 (AB))'。

有什么想法吗？

Answer 1

模拟而不是计算可能是正确的出路。

设置一组代表性文本字符串。 （语言学家将这样的集合称为语料库。）对于任何给定的正则表达式，找到它匹配的字符串数量，然后除以语料库中的字符串总数。

您自己给出的“[AB]”可能性为 1/13 的示例是基于这种思维方式，使用单大写字母字符串的语料库。通过查看语料库中的 26 个字符串中有两个匹配项，您得到了 1/13。

创建更大的语料库：可能是达到一定长度的所有字母数字字符串的集合，或者是达到一定长度的所有 ASCII 字符串的集合，或者是您选择的字典。思考什么语料库最适合您的目的是澄清“可能性”含义的好​​方法。

Answer 2

你使用 ['A', 'B'] 来表示：或 A 或 B。然后你可以这样写：

'[{'A', ['A', 'B']}, {'A', 'B'}]'

在那里你使用 [] 来“其中一个”，就像使用 {} 来“所有这些”

1/2 to '{'A', ['A', 'B']}'
   'A' => 1/1
   ['A', 'B'] => 1/2
   (1/1) * (1/2) = 1/2
   this (1/2) times the extern (1/2) = (1/4)
1/2 to '{'A', 'B'}' -> (1/26) to each.
Multiplify two times: 1/(26^2) and multiplify by the 1/2 = (1/(26^2))/2.

Now multiplify both:  (1/4) * ((1/(26^2))/2)

一样这是一个非常糟糕的解释...我会重试...

[] => Calc de probability: {probability of each term} / {num of terms}
{} => Calc de probability of each term and multiplify all

明白吗？