将可重复字符串匹配为Lua5.1中的“整个单词”

Question

我的环境：

• Lua 5.1
• 绝对不能使用带有本机组件的库(如C. no /..dll)
• 我可以运行任意的纯Lua5.1代码，但我不能访问os和其他几个允许访问本机文件系统、shell命令或诸如此类的包，因此所有功能都必须在Lua本身中实现(仅限于)。
• 我已经成功地引入了LuLpeg。我可能可以把其他纯卢阿图书馆。

我需要编写一个函数，如果输入字符串匹配一个字母和数字的任意序列，整个单词重复一次或多次，并且可能在整个匹配子字符串的开头或结尾有标点符号，则需要编写返回true的函数。我使用“整体单词”的含义与PCRE单词边界\b的含义相同。

为了演示这个想法，下面是一个不正确的尝试，它使用了re模块的LuLpeg；它似乎适用于负的外观，而不是负的查找

function containsRepeatingWholeWord(input, word)
    return re.match(input:gsub('[%a%p]+', ' %1 '), '%s*[^%s]^0{"' .. word .. '"}+[^%s]^0%s*') ~= nil
end

下面是示例字符串和预期的返回值(引号是语法，就像输入到Lua解释器中一样，而不是字符串的文字部分；这样做是为了使尾部/前导空格变得明显)：

• 输入： " one !tvtvtv! two"，word: tv，返回值： true
• 输入： "I'd"，word: d，返回值： false
• 输入： "tv"，word: tv，返回值： true
• 输入： " tvtv! "，word: tv，返回值： true
• 输入： " epon "，word: nope，返回值： false
• 输入： " eponnope "，word: nope，返回值： false
• 输入： "atv"，word: tv，返回值： false

如果我有一个完整的PCRE regex库，我可以快速地做到这一点，但我不能这样做，因为我无法链接到C，而且我还没有找到任何纯的PCRE或类似的Lua实现。

我不确定LPEG是否足够灵活(直接使用LPEG或通过它的re模块)来做我想做的事情，但是我很确定内置的Lua函数不能做我想做的事情，因为它不能处理重复的字符序列。(tv)+不适用于Lua的内置string:match函数和类似功能。

我一直在搜索有趣的资源，试图找出如何做到这一点，但没有结果：

• http://www.inf.puc-rio.br/~roberto/lpeg/re.html
• http://www.lua.org/manual/5.2/manual.html#6.4.1
• http://lua-users.org/wiki/FrontierPattern (不幸的是在我的解释器中不支持)
• http://lua-users.org/wiki/PatternsTutorial
• http://www.gammon.com.au/lpeg
• http://lua-users.org/wiki/StringRecipes
• 如何在Lua中检查一个单词是否作为一个整体出现在字符串中。

Answer 1

Lua模式足够强大了。

这里不需要LPEG。

这是你的功能

function f(input, word)
   return (" "..input:gsub(word:gsub("%%", "%%%%"), "\0").." "):find"%s%p*%z+%p*%s" ~= nil
end

这是对函数的测试。

for _, t in ipairs{
   {input = " one !tvtvtv! two", word = "tv", return_value = true},
   {input = "I'd", word = "d", return_value = false},
   {input = "tv", word = "tv", return_value = true},
   {input = "   tvtv!  ", word = "tv", return_value = true},
   {input = " epon ", word = "nope", return_value = false},
   {input = " eponnope ", word = "nope", return_value = false},
   {input = "atv", word = "tv", return_value = false},
} do
   assert(f(t.input, t.word) == t.return_value)
end

Answer 2

我认为该模式不能可靠地工作，因为%s*[^%s]^0部分匹配一系列可选的间距字符和非空格字符，然后尝试匹配重复的单词，然后失败。在此之后，它不会在字符串中向后或向前移动，并试图在另一个位置匹配重复的单词。LPeg和re的语义与大多数正则表达式引擎的语义非常不同，即使看起来类似的东西也是如此。

这是一个re-based版本。模式只有一个捕获(重复字)，所以如果找到了重复字，匹配返回一个字符串，而不是一个数字。

function f(str, word)
    local patt = re.compile([[
        match_global <- repeated / ( [%s%p] repeated / . )+
        repeated <- { %word+ } (&[%s%p] / !.) ]],
        { word = word })
    return type(patt:match(str)) == 'string'
end

这有点复杂，因为普通的re没有生成lpeg.B模式的方法。

下面是使用lpeg的lpeg.B版本。LuLPeg也在这里工作。

local lpeg = require 'lpeg'
lpeg.locale(lpeg)

local function is_at_beginning(_, pos)
    return pos == 1
end

function find_reduplicated_word(str, word)
    local type, _ENV = type, math
    local B, C, Cmt, P, V = lpeg.B, lpeg.C, lpeg.Cmt, lpeg.P, lpeg.V
    local non_word = lpeg.space + lpeg.punct
    local patt = P {
        (V 'repeated' + 1)^1,
        repeated = (B(non_word) + Cmt(true, is_at_beginning))
                * C(P(word)^1)
                * #(non_word + P(-1))
    }
    return type(patt:match(str)) == 'string'
end

for _, test in ipairs {
    { 'tvtv', true },
    { ' tvtv', true },
    { ' !tv', true },
    { 'atv', false },
    { 'tva', false },
    { 'gun tv', true },
    { '!tv', true },
} do
    local str, expected = table.unpack(test)
    local result = find_reduplicated_word(str, 'tv')
    if result ~= expected then
        print(result)
        print(('"%s" should%s match but did%s')
            :format(str, expected and "" or "n't", expected and "n't" or ""))
    end
end