知名文本的正则表达式

Question

我正在查看正则表达式来验证和解析众所周知的文本，这是一种用于传输空间数据的格式，如下所示：

POLYGON((51.124 -3.973, 51.1 -3.012, ....))

或者

MULTIPOLYGON(((POLYGON((51.124 -3.973, 51.1 -3.012, ....)),POLYGON((50.14 -13.973, 51.1 -13.012, ....))

除其他变化外。

这里有一个很好的答案：解析使用正则表达式的 WKT 文件：

\d+(?:\.\d*)?

从其他地方我也看到

\d*\.\d+|\d+

和

(\d*\.)?\d+

这些似乎都在做同样的事情，但它让我想知道这 3 个正则表达式的相对工作原理，以及是否有任何性能问题或需要注意的细微之处。

需要明确的是，我知道有用于解析各种语言的 WKT 的库。我的问题纯粹是关于数字提取正则表达式的相对行为。

Answer 1

这取决于您需要允许的数字格式，例如：

 格式 1：22
 格式 2：22.2
 格式 3：.2
 格式 4：2。

• 第一个模式\d+(?:\.\d*)?匹配 1,2,4
  
• 第二个模式\d*\.\d+|\d+匹配 1,2,3
  
• 第 3 个模式(\d*\.)?\d+匹配 1,2,3（并且有一个不需要的捕获组）

注意：如果数字是整数，模式 2 和 3 的成功比第一个慢，因为它们必须匹配所有数字直到点，回溯到开始并再次重试相同的数字。（见下面的架构）

字符串 | 模式| 状态
-----+----------------+---------------------------- ——
123 | \d*\.\d+|\d+ | 开始
1 23 |  \d* \.\d+|\d+ | 好的
12 3 |  \d* \.\d+|\d+ | 好
123   |  \d* \.\d+|\d+ | 好
123   | \d* \。\d+|\d+ | 失败 => 回溯
12 3 | \d* \。\d+|\d+ | 失败 => 回溯
1 23 | \d* \。\d+|\d+ | 失败 => 回溯
123 | \d*\.\d+ | \d+ | 转到下一个选择
1 23 | \d*\.\d+| \d+   | 好的
12 3 | \d*\.\d+| \d+   | 好
123   | \d*\.\d+| \d+   | 好的 => 成功

如果要匹配四种情况，可以使用：

\.\d+|\d+(?:\.\d*)?

(+) 如果数字不以点开头，第一个选项会立即失败，第二个选项将匹配所有其他情况。回溯被限制在最低限度。
(-) 如果你有几个以点开头的数字，第一个选择将被测试并且每次都会失败。然而，第一个选择很快就失败了。（换句话说，出于同样的原因）。在这种情况下，最好使用\d+(?:\.\d*)?|\.\d+

显然，如果你想支持负值，你需要添加-?：

-?(?:\.\d+|\d+(?:\.\d*)?)