Frontier Pattern

wiki

功能上，它与 \b 正则表达式转义序列有类似的作用，允许“匹配”从一种字符集到另一种字符集的转换。

让我们考虑一个相当简单的任务：在字符串中查找所有大写单词。

第一次尝试：%u+

string.gsub ("the QUICK brown fox", "%u+", print)

QUICK

这看起来不错，找到了一个全大写的单词。但看看这个：

string.gsub ("the QUICK BROwn fox", "%u+", print)

QUICK
BRO

我们还找到了一个部分大写的单词。

第二次尝试：%u+%A

string.gsub ("the QUICK BROwn fox", "%u+%A", print)

QUICK

对非字母字符的检测正确地排除了部分大写的单词。但是等等！还有这个：

string.gsub ("the QUICK brOWN fox", "%u+%A", print)

QUICK 
OWN 

我们还有第二个问题。

string.gsub ("the QUICK. brown fox", "%u+%A", print)

QUICK.

单词后面的标点符号现在是捕获字符串的一部分，这是不想要的。

第三次尝试：%A%u+%A

string.gsub ("the QUICK brOWN FOx jumps", "%A%u+%A", print)

 QUICK

这可以正确地排除两个部分大写的单词，但仍然会包含标点符号，如下所示：

string.gsub ("the (QUICK) brOWN FOx jumps", "%A%u+%A", print)

(QUICK)

此外，除了捕获两端的非字母字符外，还有一个问题。看看这个：

string.gsub ("THE (QUICK) brOWN FOx JUMPS", "%A%u+%A", print)

(QUICK)

字符串开头和结尾的正确大写单词没有被检测到。

解决方案：Frontier Pattern：%f

string.gsub ("THE (QUICK) brOWN FOx JUMPS", "%f[%a]%u+%f[%A]", print)

THE
QUICK
JUMPS

Frontier Pattern %f 后跟一个集合，它检测从“不在集合中”到“在集合中”的转换。字符串边界被视为“不在集合中”，因此它也能匹配字符串开头要匹配的单词。

第二个 Frontier Pattern 也在字符串末尾匹配，因此我们的最后一个单词也被捕获了。

不使用 Frontier Pattern 的替代方案

不使用 Frontier Pattern，人们可能会诉诸于类似这样的方法：

s = "THE (QUICK) brOWN FOx JUMPS"
s = "\0" .. s:gsub("(%A)(%u)", "%1\0%2")
             :gsub("(%u)(%A)", "%1\0%2") .. "\0"
s = s:gsub("%z(%u+)%z", print)

('_'..s..'_'):gsub('%A(%u+)%A', print)

并非完全如此。

s = "THE QUICK brOWN FOx JUMPS"
('_'..s..'_'):gsub('%A(%u+)%A', print)
--> THE JUMPS

你可以这样做：

(' '..s..' '):gsub('%A+', '  '):gsub(' (%u+) ', print)
--> THE QUICK JUMPS

或者这样做：

s:gsub('%a+', ' %1 '):gsub(' (%u+) ', print)
--> THE QUICK JUMPS

该模式可以扩展到更一般的陈述：“查找所有至少四个字符长，并且全为小写或全为大写的单词”……

s = "THE QUICK brOWN FOx JUMPS over"
s:gsub('%a+', ' %1 ')      -- identify words with ' (%a+) '
                           -- (all following patterns match a subset of this)
 :gsub(' %u+%l+%a* ', '')  -- subtract mixed case words starting with upper
 :gsub(' %l+%u+%a* ', '')  -- subtract mixed case words starting with lower
 :gsub(' %a%a?%a? ', '')   -- subtract words with 1-3 characters
 :gsub(' (%a+) ', print)   -- extract words
--> QUICK JUMPS over

--DavidManura

我认为上面的例子在 lua lpeg re 中更快速、更易读。

s = "THE QUICK brOWN FOx JUMPS over"

= re.match(s, "(%A* ( {%u^+4 / %l^+4} (%A/!.) / %a+ ) )+")
QUICK   JUMPS   over

-- Albert Chan