Lua:The Frontier pattern: %f

项目中要使用到正则表达式， 但是一般的开源库的正则实现都很庞大， 一个boost的regex的debug版大到了32.9 MB（1.51）， 感觉有点不爽。 而lua中的正则实现仅仅只有500行， 也基本满足了大部分需求， 所以就花了点时间看了下lua的实现。 至于lua的正则是和string库一起的， 可以看这里。 

         在了解了lua的正则所能支持的功能后， 看起源码了就水到渠成了（lstrlib.c）。 但还是有两个pattern在网上找不到好的资料。 一个是%b， 一个是%f 。这里就只介绍下这两个pattern. 

%b, %f 两个pattern的关键代码如下：

case L_ESC: {

378	switch (*(p+1)) {

379	case 'b': {  /** balanced string? */

380	s = matchbalance(ms, s, p+2);

381	if (s == NULL) return NULL;

382	p+=4; goto init;  /** else return match(ms, s, p+4); */

383

}

384	case 'f': {  /** frontier? */

385	const char *ep; char previous;

386

p += 2;

387	if (*p != '[')

388	luaL_error(ms->L, "missing " LUA_QL("[") " after "

389	LUA_QL("%%f") " in pattern");

390	ep = classend(ms, p);  /** points to what is next */

391	previous = (s == ms->src_init) ? '\0' : *(s-1);

// s的前一个字符不符合， s当前字符必须符合

392	if (matchbracketclass(uchar(previous), p, ep-1) ||

393	!matchbracketclass(uchar(*s), p, ep-1)) return NULL;

  // p的位置增加了， 但s的位置没有增加

394	p=ep; goto init;  /** else return match(ms, s, ep); */

395

}

396	default: {

397	if (isdigit(uchar(*(p+1)))) {  /** capture results (%0-%9)? */

398	s = match_capture(ms, s, uchar(*(p+1)));

399	if (s == NULL) return NULL;

400	p+=2; goto init;  /** else return match(ms, s, p+2) */

401

}

402	goto dflt;  /** case default */

403

}

404

}

405

}

（1）'%b' 用来匹配对称的字符。常写为 '%bxy' ，x和y是任意两个不同的字符；x作为匹配的开始，y作为匹配的结束。比如，'%b()' 匹配以 '(' 开始，以 ')' 结束的字符串：

print(string.gsub("123abcdefg456", "%bag", ""))
--> 123456

static const char *matchbalance (MatchState *ms, const char *s,

282	const char *p) {

283	if (*p == 0 || *(p+1) == 0)

284	luaL_error(ms->L, "unbalanced pattern");

285	if (*s != *p) return NULL;

286

else {

287	int b = *p; // 开始字符 即%bxy中的x

288	int e = *(p+1); // 开始字符 即%bxy中的y

289	int cont = 1;

290	while (++s < ms->src_end) {

291	if (*s == e) {

292	if (--cont == 0) return s+1; //发现一个y

293

}

294	else if (*s == b) cont++; // 发现一个x

295

}

296

}

297	return NULL;  /** string ends out of balance */

298

}

最主要的还是这个 matchbalance ， 就是用来找到%bxy中的x和y框起来的部分

（2） %f是一个未被列如lua手册的pattern， 但是作用确实不容小觑。 %f 被叫做frontier pattern 详细见这里

它只有在当前字符要符合要求， 而上个字符不符合要求的情形下才能通过探测， %f只是一个探测功能， 并不影响原字符串的位置

如： 打印出一行中所有全大写的单词

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

THE
QUICK
JUMPS

%f[%a]表示探测当前位置是“字符”， 上个位置是“非字符”。 后面的%f[%A]表探测当前位置是“非字符”， 上个位置是“字符”

一开始探测位置为0即字符T， 上个字符不存在就为'\0'（非字符），%f[%a]通过探测， 因为%f不影响原字符串的位置所以%u+还是从0开始检查。 %u+即以贪婪的方式匹配大写字母， 所以会匹配到索引为3的位置，此时匹配%f[%A], 他要求当前位置为“非字符”， 由于当前位置是空格， 符合； 上个位置为“字符”， 而上个位置为E，也是字符，所以%f[%A]的探测也是成功的， THE就被匹配出来了