error de sintaxis en la expresión regular para coincidir con la URL del enlace
Pregunta
Tengo el siguiente método en algún código nemerle:
private static getLinks(text : string) : array[string] {
def linkrx = Regex(@"<a\shref=['|\"](.*?)['|\"].*?>");
def m = linkrx.Matches(text);
mutable txmatches : array[string];
for (mutable i = 0; i < m.Count; ++i) {
txmatches[i] = m[i].Value;
}
txmatches
}
el problema es que el compilador, por alguna razón, está intentando analizar los corchetes dentro de la declaración de expresiones regulares y hace que el programa no se compile.Si elimino la @ (que me dijeron que pusiera allí) aparece un error de carácter de escape no válido en "\s"
Aquí está la salida del compilador:
NCrawler.n:23:21:23:22: ←[01;31merror←[0m: when parsing this `(' brace group
NCrawler.n:23:38:23:39: ←[01;31merror←[0m: unexpected closing bracket `]'
NCrawler.n:22:57:22:58: ←[01;31merror←[0m: when parsing this `{' brace group
NCrawler.n:23:38:23:39: ←[01;31merror←[0m: unexpected closing bracket `]'
NCrawler.n:8:1:8:2: ←[01;31merror←[0m: when parsing this `{' brace group
NCrawler.n:23:38:23:39: ←[01;31merror←[0m: unexpected closing bracket `]'
NCrawler.n:23:38:23:39: ←[01;31merror←[0m: unexpected closing bracket `]'
(la línea 23 es la línea con el código de expresión regular)
¿Qué tengo que hacer?
Solución
No sé Nemerle, pero parece que el uso de @
desactiva todos los escapes, incluyendo el escape para la "
.
Pruebe uno de los siguientes:
def linkrx = Regex("<a\\shref=['\"](.*?)['\"].*?>");
def linkrx = Regex(@"<a\shref=['""](.*?)['""].*?>");
def linkrx = Regex(@"<a\shref=['\x22](.*?)['\x22].*?>");
Otros consejos
No soy programador de Nemerle, pero sé que SIEMPRE debes usar el analizador XML para datos basados en XML y no expresiones regulares.
Supongo que alguien ha creado una biblioteca DOM o XPath para Nemerle para que puedas acceder a cualquiera de ellas.
//a[@href] vía XPath o algo así como a.href.value vía DOM.
A esa expresión regular actual no le gusta, por ejemplo
<a class="foo" href="something">bar</a>
No probé esto pero debería ser más parecido.
/<a\s.+?href=['|\"]([^'\">]+)['|\"].+?>/i
El problema es con las comillas, no los soportes. En Nemerle, como en C #, a escapar de una comilla otra comilla, no una barra invertida.
@"<a\shref=['""](.*?)['""].*?>"
EDIT: Tenga en cuenta también que no es necesario el tubo dentro de los corchetes; los contenidos se tratan como un conjunto de caracteres (o rangos de caracteres), con el o ser implícita.