包含连字符和斜线的字母数字字符串正向断言的Flex规则

Question

我在为某种类型的令牌构建一个具有积极前瞻性断言的flex规则时遇到了一些麻烦，可能需要一些帮助。我肯定我在这里错过了一些简单的东西。

我想匹配的令牌字符串如下所示：

33-abc-13/12
99-ab-33
o3sehh04/00
glu6-840d/00
vm-22hd
xyz-3

要匹配的令牌对象是包含letters and digits的字符串，并且具有slashes and/or hyphens，这是一种罕见的情况a dot，可能类似于xx-3006/10.00。

不能匹配的(因为其他规则涵盖了这些情况)是标记，例如：

numeric370
hyphen-term
plainterm
00/40

到目前为止，我尝试的是这条向前看的规则：

([a-z0-9/-]*)/[-/]+[0-9/-]+

有了以上，我得到了接近我想要达到的结果。它匹配以上列出的所有字符串，但跳过最后一个字符或数字。匹配的令牌如下所示：

33-abc-13/1
o3sehh04/0
...

不幸的是，该规则还与00/40匹配(结果是00/4)。

所以我的问题是我在这里错过了什么？如果可能并且足够快的话，最好用一条规则来覆盖这些情况。我知道在lexer脚本中处理规则的顺序，因此该规则的位置将是整个集合中第一批规则之一。如果不可能，也许对这一规则进行细分将是另一种方式。

在这个项目中，我使用RE (https://github.com/Genivia/RE-flex)，因为它涵盖了flex接口，并提供了unicode (我需要处理wchar_t字符串)。我的lexer是一个带有令牌分类的空格标记器，它基本上是几年前构建在flex 2.5包上的。我在令牌处理中重构了一些东西，并移到了re，因为它给了我更多的机会。令牌程序输入字符串是简短的简单文本片段，它们不超过250-300个字符的长度。到目前为止背景。

注意:在为lexer转换规则之前，我使用regex101.com在构建规则时进行检查/实验。走到正确的方向有点帮助，但仅此而已。

任何帮助都是非常感谢的，谢谢您的努力！

更新:基于rici的答案的最后的模式现在如下所示：

[a-z0-9/.-]*[/.-][0-9/-]+

这还包括包含.的令牌，例如

xx33-4.00
f/44-7.87
...

在我下面的评论中，考虑到句子分隔符的问题，在模式的最后一个字符组中只是一个.。我删除了它，现在它按预期工作了。

Answer 1

我对RE-flex一无所知(虽然它看起来很酷)，但假设它确实与flex兼容，那么同样的方法应该会奏效:忘记前向查找断言(因为匹配的字符串不包括查找模式，所以您希望匹配整个字符串)，并在所有可能匹配相同内容的其他规则之后将规则放在一起。

弹性规则是：

• 比赛时间最长的模式获胜，但
• 如果两个或多个模式都匹配最长的匹配，则文件中的第一个模式将获胜。

例如，假设您有模式：

[0-9]+("/"[0-9]+)*          { return SLASHED_NUMBERS; }
[a-z0-9/-]*[/-][0-9/-]+     { return GENERAL_TOKEN;   }

注1

这两个标记都将与00/40匹配，因此如果这是输入点上的令牌，则该令牌将被检测为SLASHED_NUMBERS (文件中的第一个规则)。另一方面，如果您有00/49-23，它将被检测为GENERAL_TOKEN，因为该规则匹配更多的字符。

备注

1. 我是根据你的判罚做的。我不明白“一个点的罕见情况”，它似乎没有反映在你的模式；此外，你的模式似乎比仅仅是“字母，数字，连字符和斜杠”更具体，但我不知道具体是什么。