Haskell Posix中的多线匹配

Question

我似乎无法在haskell的POSIX实现上找到合适的文档。 特别是模块 Text.Regex.Posix 。

有人能指出我在字符串上使用多行匹配的正确方向吗？

好奇的片段：

> extractToken body = body =~ "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>" :: String

我正在尝试提取维基百科页面的来源，但是当涉及多行时，这种方法显然会失败。

Answer 1

您可能需要导入Text.Regex.Base.RegexLike 才能访问 makeRegexOpts 和朋友。

extractToken body = match regex body where
    regex = makeRegexOpts (defaultCompOpt - compNewline) defaultExecOpt
              "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>"

好吧，既然 Text.Regex.Posix 的 defaultCompOpt = compExtended + compNewline ，那就等同于

extractToken body = match regex body where
    regex = makeRegexOpts compExtended defaultExecOpt
              "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>"

要仅提取第一组，请使用 RegexLike 。一种可能性是

extractToken body = head groups where
    (preMatch, inMatch, postMatch, groups) =
        match regex body :: (String, String, String, [String])
    regex = makeRegexOpts compExtended defaultExecOpt
              "<textarea[^>]*id=\"wpTextbox1\"[^>]*>(.*)</textarea>"

Answer 2

如果你想做一些比Posix正则表达式更灵活，性能更好的东西，你可能需要使用PCRE后端。

pcre-light和regex-pcre都很好。

Answer 3

我在这种情况下通过匹配来解决

((.*)|\n*)*

虽然根据你的表情，这可能并不总是有效。 如果你能够，上述解决方案可能是最好的方法。