testlib.h で使われる pattern について
yukicoder などの作問作業で使われる testlib.h について軽く触ってみたので、備忘録も兼ねてのメモです
inf.readLine
などで使われている pattern とはなんぞやという記事になります
どうやら、サンプルなどはあるらしいのですがちゃんとした説明はコードを読むしかないようなのでまとめてみました
pattern について
以下の文章はソースコードのコメント部分から抜粋したものです
Very simple regex-like pattern. It used for two purposes: validation and generation.
For example, pattern("[a-z]{1,5}").next(rnd) will return random string from lowercase latin letters with length from 1 to 5. It is easier to call rnd.next("[a-z]{1,5}") for the same effect.
Another samples: "mike|john" will generate (match) "mike" or "john"; "-?[1-9][0-9]{0,3}" will generate (match) non-zero integers from -9999 to 9999; "id-([ac]|b{2})" will generate (match) "id-a", "id-bb", "id-c"; "[^0-9]*" will match sequences (empty or non-empty) without digits, you can't use it for generations.
You can't use pattern for generation if it contains meta-symbol '*'. Also it is not recommended to use it for char-sets with meta-symbol '^' like [^a-z].
For matching very simple greedy algorithm is used. For example, pattern "[0-9]?1" will not match "1", because of greedy nature of matching. Alternations (meta-symbols "|") are processed with brute-force algorithm, so do not use many alternations in one expression.
If you want to use one expression many times it is better to compile it into a single pattern like "pattern p("[a-z]+")". Later you can use "p.matches(std::string s)" or "p.next(random_t& rd)" to check matching or generate new string by pattern.
Simpler way to read token and check it for pattern matching is "inf.readToken("[a-z]+")".
All spaces are ignored in regex, unless escaped with . For example, ouf.readLine("NO SOLUTION") will expect "NOSOLUTION", the correct call should be ouf.readLine("NO\ SOLUTION") or ouf.readLine(R"(NO\ SOLUTION)") if you prefer raw string literals from C++11.
(testlib.h 中のコメントより)
これを要約すると、
- testlib 内で使用される pattern は正規表現に近いものになっている
- 基本的に validation と generation 用に使用されるが、繰り返し記号の
*
や否定記号の^
といったものは生成の際には使用できない - pattern の仕様として
|
は全探索アルゴリズムを用いて実装されているため同じ文中に|
を多用するのは避けてほしい - 正規表現では空白が無視されることから、
"NO SOLUTION"
という文字列を想定して読み取りたければinf.readLine("NO\\ SOLUTION")
のようにしてエスケープをする必要がある
以下、認識される記号とその効果についてです(上記の説明文とコードを読んでみただけで検証などは行っていないので間違ってたらごめんなさい...)
?
- 直前の文字があるなしにマッチ1
*
- 直前の文字を0回以上繰り返す2
+
- 直前の文字を1回以上繰り返す3
{from,to}
- 直前の文字をfromからto回繰り返す
{to}
であった場合はfrom=toの{from,to}
と認識される{from,to,a,b,...,}
となった場合はfromとtoのみが認識される
[chars]
[]
で囲われた文字の内どれかが認識される-
記号が使われていた場合、両隣の文字を認識し、左の文字をprev
,右の文字をnext
とすると、文字コード上での[prev,next]
間の文字を展開する([a-f]
であれば[abcdef]
となる)
()
()
で囲われた文字が pattern として認識される(正規表現と同じ使い方)
あとがき
testlib.h の機能がまとまっている記事があったらうれしいなと感じました