将Perl正则expression式转换为等价的ECMAScript正则expression式

现在我正在使用VC ++ 2010，但VC ++ 2010的syntax_option_type只包含以下选项：

 static const flag_type icase = regex_constants::icase; static const flag_type nosubs = regex_constants::nosubs; static const flag_type optimize = regex_constants::optimize; static const flag_type collate = regex_constants::collate; static const flag_type ECMAScript = regex_constants::ECMAScript; static const flag_type basic = regex_constants::basic; static const flag_type extended = regex_constants::extended; static const flag_type awk = regex_constants::awk; static const flag_type grep = regex_constants::grep; static const flag_type egrep = regex_constants::egrep;

它不包含perl_syntax_group（Boost Library有选项）。 但是，我不想使用Boost库。

Perl中有很多正则expression式，所以我想把现有的Perl正则expression式转换成ECMAScript （或者VC ++ 2010支持的任何一种）。转换后，我可以直接在VC ++ 2010中使用等效的正则expression式，而不使用第三方的libray。

一个例子：

 const boost::tregex e(__T("\\A(\\d{3,4})[- ]?(\\d{4})[- ]?(\\d{4})[- ]?(\\d{4})\\z")); const CString human_format = __T("$1-$2-$3-$4"); CString human_readable_card_number(const CString& s) { return boost::regex_replace(s, e, human_format); } CString credit_card_number = "1234567887654321"; credit_card_number = human_readable_card_number(credit_card_number); assert(credit_card_number == "1234-5678-8765-4321");

在上面的例子中，我想要做的是将e和format转换成ECMAScript风格的expression式。

有没有可能find一种将所有Perl正则expression式转换为ECMAScript风格的一般方法？ 有没有一些工具可以做到这一点？

任何帮助将不胜感激！

对于要转换的特定正则表达式，ECMA正则表达式中的等价物是：

 /^(\d{3,4})[- ]?(\d{4})[- ]?(\d{4})[- ]?(\d{4})$/

在这种情况下， \A （在Perl正则表达式中）与^ （在ECMA正则表达式中）（匹配字符串的开头）和\Z （在Perl正则表达式中）具有与$ （在ECMA正则表达式中）字符串的结尾）。请注意，如果启用多行模式，ECMA正则表达式中的^和$含义将更改为匹配行的开头和结尾。

ECMA正则表达式是Perl正则表达式的一个子集，所以如果正则表达式在Perl正则表达式中使用独有的功能，它很可能不能转换成ECMA正则表达式。即使是相同的语法，语法也许意味着2种正则表达式之间的差别，所以检查文档和比较使用总是明智的。

我只是想说ECMA正则表达式和Perl正则表达式之间的相似之处。什么是不相似的，但敞篷车，我会提到我的最大能力。

ECMA正则表达式缺少使用Unicode的功能，这迫使您查找代码点并将它们指定为字符类。

根据Perl正则表达式的文档：

修饰符：
- 只有i ， g ， m在ECMA标准中，并且与Perl中的行为相同。
- 可以在ECMA正则表达式中使用2个互补字符类（例如[\S\s] ， [\D\d]来模拟点全部修饰符。
- 不管怎么样都不支持x和p标志。
- 我不知道是否有模拟其余的（前缀和后缀修饰符）。
元字符：
- 对于使用非元字符的“ \并没有解决任何特殊含义，我有点怀疑，但是如果你不需要转义的话，它应该没问题。 . 在ECMA中排除了几个字符。其余的行为在ECMA正则表达式中是相同的（甚至在^和$上有m标志的效果）。
量词：
- 贪婪和懒惰的行为应该是一样的。在ECMA正则表达式中没有占有行为。
转义序列：
- ECMA正则表达式中没有\a和\e 。 \t ， \n ， \r ， \f是一样的。
- 检查文档如果正则表达式有\cX – 有差异。
- \xhh在ECMA正则表达式和Perl正则表达式中很常见（指定2个十六进制数字是最安全的 – 否则，您将不得不查看文档以查看语言将如何处理少于2个十六进制数字的情况）。
- \uhhhh是ECMA正则表达式的独有功能来指定Unicode字符。 Perl有其他独特的方式来指定字符，如\x{} ， \N{} ， \o{} ， \000 。
- \l ， \u ， \L ， \U是Perl正则表达式专有的 。
- \Q和\E可以通过手动转义引用部分来模拟。
- Perl正则表达式中的八进制转义（其具有少于三个八进制数字）可能会令人困惑。仔细检查上下文，阅读文档，和/或测试正则表达式，以确保你了解它在上下文中做什么，因为它可能是逃逸序列或反向引用。
字符类和其他特殊的逃脱：
- \w ， \W ， \s ， \S ， \d ， \D在ECMA正则表达式和Perl正则表达式中是等价的，如果使用US-ASCII。如果涉及Unicode，事情将是一个混乱的血腥。
- ECMA正则表达式中没有POSIX字符类。使用上面的\w ， \s ， \d或者在字符类中指定自己。
- 反向引用大部分是相同的 – 但我不知道它是否允许反向引用超过9 Perl和ECMA正则表达式。
- 命名的参考可以通过反向参考进行模拟。
- 其余的（除了[]和已经提到的转义序列）在ECMA正则表达式中不受支持。
断言：
- \b和\B在两种语言中是相同的，关于如何根据\w定义它们。
捕获组：分组()和后向引用是相同的。在替换字符串中用来反向引用匹配文本的$n是相同的。其余部分是Perl独有的功能。
引用元字符:(内容已经在前面的章节中提到过）。
扩展模式：
- ECMA正则表达式不支持修改正则表达式中的标志。根据标志是什么，你可能能够重写正则表达式（ s标志是一个总是可以转换成ECMA正则表达式的等价表达式）。
- Perl和ECMA之间只有(?:pattern) （非捕获组）， (?=pattern) （正面向前看）， (?!pattern) （负面向前看）是常见的。
- 在ECMA正则表达式中没有评论，所以(?#text)可以被忽略。
- ECMA正则表达式不支持后备。 Perl支持固定宽度的后视。在某些情况下，使用Perl编写的积极正面的正则表达式可以转换为ECMA正则表达式，通过使得后台成为一个捕获组。
- 如前所述，命名模式可以被转换为正常的捕获组，并且可以用编号的后向引用来引用。
- 其余的是Perl独有的功能。
特殊的回溯控制动词：这是Perl专有的，我不知道它们做了什么（以前从未碰过），更不用说转换了。这很可能是他们不可兑换的情况。

结论：

如果正则表达式利用Perl正则表达式的全部功能，或者在Boost库支持的级别（例如递归正则表达式），则不可能将正则表达式转换为ECMA正则表达式。幸运的是，ECMA正则表达式覆盖了最常用的功能，因此正则表达式可能是可转换的。

参考：

ECM RegExp参考MDN