/// <summary>
/// 返回表示单个不区分大小写的字符的正则表达式。
/// </summary>
/// <param name="ch">要表示的字符。</param>
/// <param name="culture">转换大小写使用的区域性信息。</param>
/// <returns>表示单个字符的正则表达式。</returns>
public static Regex SymbolIgnoreCase(char ch, CultureInfo culture)
{
char upperCase = char.ToUpper(ch, culture);
char lowerCase = char.ToLower(ch, culture);
RegexCharClass cc = new RegexCharClass();
if (upperCase == lowerCase)
{
// 大小写相同。
cc.AddChar(upperCase);
}
else
{
// 大小写不用。
cc.AddChar(upperCase);
cc.AddChar(lowerCase);
}
return new CharClassExp(cc.ToStringClass());
}
/// <summary>
/// 返回表示字符类的正则表达式。
/// </summary>
/// <param name="cc">正则表达式表示的字符类。</param>
/// <returns>表示字符类的正则表达式。</returns>
public static Regex CharClass(RegexCharClass cc)
{
if (cc == null)
{
throw CommonExceptions.ArgumentNull("cc");
}
return new CharClassExp(cc.ToStringClass());
}
/// <summary>
/// 扫描 '\'（不包含 '\' 本身）之后的字符，并返回相应的正则表达式。
/// </summary>
/// <returns>相应的正则表达式。</returns>
private Regex ScanBackslash()
{
RegexCharClass cc;
int ich;
switch (ich = reader.Read())
{
case 'w':
return Regex.CharClass(
UseOptionEcma ? RegexCharClass.EcmaWordClass : RegexCharClass.WordClass);
case 'W':
return Regex.CharClass(
UseOptionEcma ? RegexCharClass.NotEcmaWordClass : RegexCharClass.NotWordClass);
case 's':
return Regex.CharClass(
UseOptionEcma ? RegexCharClass.EcmaSpaceClass : RegexCharClass.SpaceClass);
case 'S':
return Regex.CharClass(
UseOptionEcma ? RegexCharClass.NotEcmaSpaceClass : RegexCharClass.NotSpaceClass);
case 'd':
return Regex.CharClass(
UseOptionEcma ? RegexCharClass.EcmaDigitClass : RegexCharClass.DigitClass);
case 'D':
return Regex.CharClass(
UseOptionEcma ? RegexCharClass.NotEcmaDigitClass : RegexCharClass.NotDigitClass);
case 'p':
case 'P':
cc = new RegexCharClass();
cc.AddCategoryFromName(ScanProperty(), ich != 'p', UseOptionIgnoreCase, pattern);
if (UseOptionIgnoreCase)
{
cc.AddLowercase(culture);
}
return Regex.CharClass(cc.ToStringClass());
case -1:
ThrowIllegalEndEscape();
return null;
default:
reader.Unget();
char ch = ScanCharEscape();
if (UseOptionIgnoreCase)
{
return Regex.SymbolIgnoreCase(ch, culture);
}
else
{
return Regex.Symbol(ch);
}
}
}
/// <summary>
/// 返回表示单个字符的正则表达式。
/// </summary>
/// <param name="ch">要表示的字符。</param>
/// <returns>表示单个字符的正则表达式。</returns>
public static Regex Symbol(char ch)
{
RegexCharClass cc = new RegexCharClass();
cc.AddChar(ch);
return new CharClassExp(cc.ToStringClass());
}
private RegexCharClass ScanCharClass(bool closeBracket)
{
RegexCharClass rcc = new RegexCharClass();
// 是否正在定义字符范围。
bool inRange = false;
// 是否是首字符。
bool firstChar = true;
// [] 集合是否闭合。
bool closed = false;
// 否定的字符类。
if (reader.Peek() == '^')
{
reader.Read();
rcc.Negate = true;
}
int ich = '\0';
char chPrev = '\0';
for (; (ich = reader.Read()) >= 0; firstChar = false)
{
// 当前字符时候是由转义得到的。
bool escapedChar = false;
if (ich == ']')
{
// [ 之后的第一个 ] 认为是字符 ]。
if (!firstChar)
{
// 闭合字符类。
closed = true;
break;
}
}
else if (ich == '\\' && reader.Peek() >= 0)
{
// 判断 '\' 字符的转义。
ich = ScanBackslash(rcc, inRange);
if (ich == -1)
{
continue;
}
}
if (inRange)
{
inRange = false;
if (ich == '[' && !escapedChar && !firstChar)
{
// 本来认为在定义字符范围，但实际在定义一个减去范围。
// 所以，需要将 chPrev 添加到字符类中，跳过 [ 符号，并递归的扫描新的字符类。
rcc.AddChar(chPrev);
rcc.AddSubtraction(ScanCharClass(true));
if (reader.Peek() >= 0 && reader.Peek() != ']')
{
ThrowSubtractionMustBeLast();
}
}
else
{
// 规则的字符范围，类似于 a-z。
if (chPrev > ich)
{
ThrowReversedCharRange();
}
rcc.AddRange(chPrev, (char)ich);
}
}
else
{
if (reader.Peek() == '-')
{
reader.Read();
if (reader.Peek() >= 0 && reader.Peek() != ']')
{
// -] 中的，'-' 会按连字符处理。
// 否则的话，认为是字符范围的起始。
chPrev = (char)ich;
inRange = true;
}
else
{
reader.Unget();
}
}
if (!inRange)
{
if (ich == '-' && reader.Peek() == '[' && !escapedChar && !firstChar)
{
// 不在字符范围中，并且开始一个减去范围的定义，
// 一般是由于减去范围紧跟着一个字符范围，例如 [a-z-[b]]。
reader.Read();
rcc.AddSubtraction(ScanCharClass(true));
if (reader.Peek() >= 0 && reader.Peek() != ']')
{
ThrowSubtractionMustBeLast();
}
}
else
{
rcc.AddRange((char)ich, (char)ich);
}
}
}
}
reader.Drop();
// 模式字符串已到达结尾也按闭合处理。
if (!closed && closeBracket)
{
ThrowUnterminatedBracket();
}
if (UseOptionIgnoreCase)
{
rcc.AddLowercase(culture);
rcc.AddUppercase(culture);
}
return rcc;
}
/// <summary>
/// 扫描 '\'（不包含 '\' 本身）之后的字符，并返回相应的字符。
/// </summary>
/// <param name="rcc">要添加到的字符类。</param>
/// <param name="inRange">当前是否正在定义字符范围。</param>
/// <returns>相应的字符，如果不是字符，则为 <c>-1</c>。</returns>
private int ScanBackslash(RegexCharClass rcc, bool inRange)
{
// 判断 '\' 字符的转义。
int ich = reader.Read();
switch (ich)
{
case 'D':
case 'd':
if (inRange)
{
ThrowBadClassInCharRange((char)ich);
}
rcc.AddDigit(UseOptionEcma, ich == 'D', pattern);
return -1;
case 'S':
case 's':
if (inRange)
{
ThrowBadClassInCharRange((char)ich);
}
rcc.AddSpace(UseOptionEcma, ich == 'S');
return -1;
case 'W':
case 'w':
if (inRange)
{
ThrowBadClassInCharRange((char)ich);
}
rcc.AddWord(UseOptionEcma, ich == 'W');
return -1;
case 'p':
case 'P':
if (inRange)
{
ThrowBadClassInCharRange((char)ich);
}
rcc.AddCategoryFromName(ScanProperty(), (ich != 'p'), UseOptionIgnoreCase, pattern);
return -1;
default:
reader.Unget();
// 读入转义字符。
return ScanCharEscape();
}
}
/// <summary>
/// 添加要排除的字符类。
/// </summary>
/// <param name="subCharClass">要排除的字符类。</param>
public void AddSubtraction(RegexCharClass subCharClass)
{
RccAddSubtraction.Value(charClass, subCharClass.charClass);
}
/// <summary>
/// 添加指定字符类。
/// </summary>
/// <param name="cc">要添加的字符类。</param>
public void AddCharClass(RegexCharClass cc)
{
// 这个方法的原版实现会直接将 cc 中的字符范围添加到当前类中，
// 而不是复制副本，有时会导致出错。
if (!(cc.CanMerge && this.CanMerge))
{
CompilerCommonExceptions.RegexCharClassCannotMerge("charClass");
}
int ccRangeCount = RccRangeCount.Value(cc.charClass);
int thisRangeCount = RccRangeCount.Value(this.charClass);
if (!RccGetCanonical.Value(cc.charClass))
{
// 如果要合并的字符类并不规范，则自己也不规范。
RccSetCanonical.Value(this.charClass, false);
}
else if (RccGetCanonical.Value(this.charClass) && thisRangeCount > 0 && ccRangeCount > 0 &&
RccSRGetFirst.Value(RccGetRangeAt.Value(cc.charClass, 0)) <=
RccSRGetLast.Value(RccGetRangeAt.Value(this, thisRangeCount - 1)))
{
// Range 不能恰好接起来，那么也会导致不规范。
RccSetCanonical.Value(this.charClass, false);
}
IList list = RccGetRangelist.Value(this.charClass);
for (int i = 0; i < ccRangeCount; i += 1)
{
object range = RccGetRangeAt.Value(cc.charClass, i);
// 这里创建一个新的字符范围。
list.Add(RccSRConstructor.Value(RccSRGetFirst.Value(range), RccSRGetLast.Value(range)));
}
RccGetCategories.Value(this.charClass).Append(RccGetCategories.Value(cc.charClass).ToString());
}
/// <summary>
/// 添加要排除的字符类。
/// </summary>
/// <param name="subCharClass">要排除的字符类。</param>
public void AddSubtraction(RegexCharClass subCharClass)
{
RccAddSubtraction.Value(charClass, subCharClass.charClass);
}
/// <summary>
/// 根据当前的正则表达式构造 NFA。
/// </summary>
/// <param name="nfa">要构造的 NFA。</param>
internal override void BuildNfa(Nfa nfa)
{
string str = literal;
if (ignoreCase)
{
str = literal.ToUpper(culture);
}
nfa.HeadState = nfa.NewState();
nfa.TailState = nfa.HeadState;
for (int i = 0; i < literal.Length; i++)
{
NfaState state = nfa.NewState();
if (culture == null)
{
// 区分大小写。
nfa.TailState.Add(state, str[i]);
}
else
{
// 不区分大小写。
RegexCharClass cc = new RegexCharClass();
cc.AddChar(str[i]);
cc.AddChar(char.ToLower(str[i], culture));
nfa.TailState.Add(state, cc.ToStringClass());
}
nfa.TailState = state;
}
}
/// <summary>
/// 返回表示字符类的正则表达式。
/// </summary>
/// <param name="cc">正则表达式表示的字符类。</param>
/// <returns>表示字符类的正则表达式。</returns>
public static Regex CharClass(RegexCharClass cc)
{
ExceptionHelper.CheckArgumentNull(cc, "cc");
return new CharClassExp(cc.ToStringClass());
}
