Я хотел бы ввести строку и возвратить регулярное выражение, которое может использоваться для описания структуры строки. regex будет использоваться для нахождения большего количества строк той же структуры как первое.
Это намеренно неоднозначно, потому что я, конечно, пропущу случай, который кто-то в ТАКИМ ОБРАЗОМ сообщество поймает.
Отправьте любого и все возможные способы сделать это.
Тривиальный ответ, и, вероятно, не то, что вы хотите, заключается в следующем: вернуть входную строку (с экранированными специальными символами regex). Это всегда регулярное выражение, которое соответствует строке.
Если вы хотите, чтобы определенные структуры были идентифицированы, вы должны предоставить больше информации о том, какого рода структуры вы хотите идентифицировать. Без этой информации проблема сформулирована двусмысленно, и существует множество возможных решений. Например, входная строка 'aba' может быть описана как
'aba'
'aba*'
'aba?'
'ab\w'
'\w{3}'
'(.)b\1'
и т.д.
Извините за длину этого. Я воспринял это как небольшую проблему и подошел с доказательством концепции на Ruby.
Я работал с предположением, что вы можете предоставить количество строк, которые должны соответствовать регулярному выражению (HITS), и число, которое не должно совпадать (MISSES).
Я основал код на наивной реализации генетического алгоритма. Мои мысли об успехе этого подхода см. В примечаниях внизу.
LOOP_COUNT = 100
class Attempt
# let's try email
HITS = %w[j@j.com j@j.co.uk gates@microsoft.com sales@microsoft.com sjobs@apple.com sales@apple.com frddy@aol.com thing1@charity.org sales@mybad.org.uk thing.one@drseuss.com]
MISSES = %w[j@j j@j@.com j.com @domain.com nochance eric@google. eric@google.com. username-at-domain-dot-com linux.org eff.org microsoft.com sjobs.apple.com www.apple.com]
# odd mixture of numbers and letters, designed to confuse
# HITS = %w[a123 a999 a600 a545 a100 b001 b847 a928 c203]
# MISSES = %w[abc def ghi jkl mno pqr stu vwx xyz h234 k987]
# consonants versus vowels
# HITS = %w[bcd cdb fgh ghf jkl klj mnp npm qrs srq tvw vwt xzb bzx]
# MISSES = %w[aei oyu oio euu uio ioe aee ooo]
# letters < 11 chars and no numbers
# HITS = %w[aaa aaaa abaa azaz monkey longstring stringlong]
# MISSES = %w[aa aa1 aa0 b9b 6zz longstringz m_m ff5 666 anotherlongstring]
MAX_SUCCESSES = HITS.size + MISSES.size
# Setup the various Regular Expression operators, etc..
RELEMENTS = %w[. ? * + ( ) \[ \] - | ^ $ \\ : @ / { }]
%w[A b B d D S s W w z Z].each do |chr|
RELEMENTS << "\\#{chr}"
end
%w[alnum alpha blank cntrl digit lower print punct space upper xdigit].each do |special|
RELEMENTS << "[:#{special}:]"
end
('a'..'z').each do |chr|
RELEMENTS << chr
end
('A'..'Z').each do |chr|
RELEMENTS << chr
end
(0..9).each do |chr|
RELEMENTS << chr.to_s
end
START_SIZE = 8
attr_accessor :operators, :successes
def initialize(ary = [])
@operators = ary
if ary.length < 1
START_SIZE.times do
@operators << random_op
end
end
@score = 0
@decay = 1
make_regexp
end
def make_regexp
begin
@regexp = Regexp.new( @operators.join("") )
rescue
# "INVALID Regexp"
@regexp = nil
@score = -1000
end
end
def random_op
RELEMENTS[rand(RELEMENTS.size)]
end
def decay
@decay -= 1
end
def test
@successes = 0
if @regexp
HITS.each do |hit|
result = (hit =~ @regexp)
if result != nil
reward
end
end
MISSES.each do |miss|
result = (miss =~ @regexp)
if result == nil
reward
end
end
end
@score = @successes
self
end
def reward
@successes += 1
end
def cross other
len = size
olen = other.size
split = rand(len)
ops = []
@operators.length.times do |num|
if num < split
ops << @operators[num]
else
ops << other.operators[num + (olen - len)]
end
end
Attempt.new ops
end
# apply a random mutation, you don't have to use all of them
def mutate
send [:flip, :add_rand, :add_first, :add_last, :sub_rand, :sub_first, :sub_last, :swap][rand(8)]
make_regexp
self
end
## mutate methods
def flip
@operators[rand(size)] = random_op
end
def add_rand
@operators.insert rand(size), random_op
end
def add_first
@operators.insert 0, random_op
end
def add_last
@operators << random_op
end
def sub_rand
@operators.delete_at rand(size)
end
def sub_first
@operators.delete_at 0
end
def sub_last
@operators.delete_at size
end
def swap
to = rand(size)
begin
from = rand(size)
end while to == from
@operators[to], @operators[from] = @operators[from], @operators[to]
end
def regexp_to_s
@operators.join("")
end
def <=> other
score <=> other.score
end
def size
@operators.length
end
def to_s
"#{regexp_to_s} #{score}"
end
def dup
Attempt.new @operators.dup
end
def score
if @score > 0
ret = case
when (size > START_SIZE * 2)
@score-20
when size > START_SIZE
@score-2
else
@score #+ START_SIZE - size
end
ret + @decay
else
@score + @decay
end
end
def == other
to_s == other.to_s
end
def stats
puts "Regexp #{@regexp.inspect}"
puts "Length #{@operators.length}"
puts "Successes #{@successes}/#{MAX_SUCCESSES}"
puts "HITS"
HITS.each do |hit|
result = (hit =~ @regexp)
if result == nil
puts "\tFAIL #{hit}"
else
puts "\tOK #{hit} #{result}"
end
end
puts "MISSES"
MISSES.each do |miss|
result = (miss =~ @regexp)
if result == nil
puts "\tOK #{miss}"
else
puts "\tFAIL #{miss} #{result}"
end
end
end
end
$stderr.reopen("/dev/null", "w") # turn off stderr to stop streams of bad rexexp messages
# find some seed attempt values
results = []
10000.times do
a = Attempt.new
a.test
if a.score > 0
# puts "#{a.regexp_to_s} #{a.score}"
results << a
end
end
results.sort!.reverse!
puts "SEED ATTEMPTS"
puts results[0..9]
old_result = nil
LOOP_COUNT.times do |i|
results = results[0..9]
results.map {|r| r.decay }
3.times do
new_results = results.map {|r| r.dup.mutate.test}
results.concat new_results
new_results = results.map {|r| r.cross( results[rand(10)] ).test }
results.concat new_results
end
new_results = []
20.times do
new_results << Attempt.new.test
end
results.concat new_results
results.sort!.reverse!
if old_result != results[0].score
old_result = results[0].score
end
puts "#{i} #{results[0]}"
end
puts "\n--------------------------------------------------"
puts "Winner! #{results[0]}"
puts "--------------------------------------------------\n"
results[0].stats
Уроки, извлеченные из игры с этим кодом.
В целом, похоже, что выполнение более коротких циклов несколько раз, скорее всего, даст полезный результат. Однако это может быть связано с моей реализацией, а не с природой генетических алгоритмов.
Вы можете получить результаты, которые работают, но все же будут содержать бессмысленные части.
Вам понадобится довольно твердое знание регулярных выражений, чтобы понять, сколько результатов действительно дает то, что они делают.
В конечном итоге ваше время, вероятно, будет гораздо лучше потратить на изучение регулярных выражений, чем на попытки использовать этот код в качестве ярлыка. Я понимаю, что у спрашивающего, возможно, не было этого мотива, и я попробовал это сделать, потому что это была интересная идея.
Есть много компромиссов в результатах. Чем больше разнообразных ХИТОВ и ПРОБЛЕМ вы предоставите, тем больше времени потребуется для получения результата и тем больше циклов вам придется пробежать. Использование меньшего количества каждого из них, скорее всего, приведет к результату, который либо сильно зависит от предоставленных вами строк, либо настолько универсален, что он не будет полезен в реальной ситуации.
Я также жестко закодировал некоторые предположения, такие как разметка слишком длинных выражений.