19 O Livro do Ridgun
A lib regex — Motor de Expressões Regulares Thompson NFA em Tempo Linear $O(N \cdot M)$
19.1. Por que existe a lib regex? (O problema real e a filosofia Ridgun)
«Por que preciso de uma lib
regexescrita de raiz em Ridgun puro em vez de ligar uma biblioteca C tradicional?»
Essa é a primeira pergunta que qualquer engenheiro de sistemas faz ao chegar à regex. E a resposta resume toda a filosofia do ridgun-libs:
Sejamos sinceros: os motores de expressões regulares com backtracking já causaram quedas globais famosas (como na Cloudflare ou no StackOverflow) quando um padrão como (a+)+b recebe trinta a seguidos e entra em tempo exponencial $O(2^N)$.
A lib regex compila as suas expressões regulares (., *, +, ?, |, (), [a-z], [^...], ^, $, \d, \w, \s) para um autómato finito não determinístico de Thompson (NFA) e avança o conjunto de estados passo a passo em tempo estritamente linear $O(N \cdot M)$, tornando os ataques ReDoS matematicamente impossíveis.
Num ecossistema tradicional, resolver as tarefas do domínio REGEX implica arrastar dependências externas em C, lidar com ponteiros brutos, conversões opacas de tipos, exceções não verificadas ou pausas imprevisíveis do coletor de lixo. Em Ridgun, a lib regex (src/main/ridgun/lib/regex.rg) aborda o problema com quatro princípios inegociáveis:
- Declare
import regex(ouimport regex as alias) no início do ficheiro: cada lib define o seu espaço de nomesmodule :: regexe em modo--strictas funções multi-palavra são sempre invocadas com espaços naturais. - Encadeie os seus pipelines da esquerda para a direita com
->: escrevaentrada passo um -> passo dois -> resultado, use máscaras(+ _ _ +)para desestruturar sequências e omita_ =em instruções sequenciais (ou descarte com-> ()). - Recursão de cauda com TCO (Tail-Call Optimization): todas as travessias internas da
regexsão compiladas para ciclos nativos em espaço de pilha $O(1)$. - Memória determinística (
RMM1/RMM2): cada estrutura intermédia é libertada no instante exato em que termina a sua última leitura, sem Garbage Collector.
19.2. Artefactos nativos, importação e catálogo completo da API de regex
No ridgun-libs, regex é uma lib de primeira classe localizada em src/main/ridgun/lib/regex.rg (domínio REGEX). Ao compilar com stable bundle, é empacotada em três formatos nativos:
| Artefacto | Caminho | Finalidade |
|---|---|---|
| Bundle Ridgun | target/bundles/regex.rglib | Distribuição e importação direta com import regex |
| Ficheiro compilado | target/regex.rgc | Artefacto intermédio verificado pelo ridgunc |
| Objeto partilhado ELF64 | target/libregex.so | Biblioteca dinâmica nativa sem dependências de C nem libc |
Cada lib declara o seu próprio espaço de nomes com
module :: regex: basta escreverimport regex(ouimport regex as alias) no topo e invocar as suas funções com espaços naturais (minha funcao x) e pipelines->(x minha funcao -> resultado).
19.2.1. Resumo das famílias funcionais da regex
| Assinatura / Função / Tipo | O que faz e quando usar |
|---|---|
regex match / regex is match | Correspondência de cadeia completa e pesquisa de subcadeia em tempo linear $O(N \cdot M)$ |
regex find / regex find all | Extrai a primeira ou todas as subcadeias correspondentes sem sobreposição |
regex replace / regex replace all | Substitui a primeira ou todas as correspondências da expressão regular |
regex split / regex escape | Divide texto por um delimitador regex e escapa metacaracteres |
19.2.2. Catálogo exaustivo de tipos e assinaturas em src/main/ridgun/lib/regex.rg
Abaixo encontra-se o inventário completo de tipos algébricos (type), operadores (op ::) e assinaturas de funções (fn ::) definidos em src/main/ridgun/lib/regex.rg (4 tipos, 0 operadores e 70 funções):
Tipos algébricos e registos (type) da regex:
type RegexMatch = matched: Bool, match_start: Int, match_end: Int, text: String
type ReNode = ReEmpty | ReChar Int | ReAny | ReClass Bool [Int] | ReShort Int | ReBol | ReEol | ReStar ReNode | RePlus ReNode | ReOpt ReNode | ReSeq ReNode ReNode | ReAlt ReNode ReNode
type ReParseRes = ReParseRes ReNode Int
type NfaInst = InstChar Int Int | InstAny Int | InstClass Bool [Int] Int | InstShort Int Int | InstBol Int | InstEol Int | InstSplit Int Int | InstJump Int | InstMatch| # | Função / Assinatura (fn ::) | Tipo de Retorno |
|---|---|---|
1 | fn :: re is digit Int | Bool |
2 | fn :: re is word Int | Bool |
3 | fn :: re is space Int | Bool |
4 | fn :: re match short Int Int | Bool |
5 | fn :: re in ranges Int [Int] | Bool |
6 | fn :: re escape char Int | ReNode |
7 | fn :: re class char String Int Int | (Int Int) |
8 | fn :: re fst int (Int Int) | Int |
9 | fn :: re snd int (Int Int) | Int |
10 | fn :: re parse class items String Int Int [Int] | ([Int] Int) |
11 | fn :: re parse class item step String Int Int [Int] | ([Int] Int) |
12 | fn :: re parse class range check String Int Int Int [Int] | ([Int] Int) |
13 | fn :: re parse class range hi String Int Int Int [Int] | ([Int] Int) |
14 | fn :: re fst ranges ([Int] Int) | [Int] |
15 | fn :: re snd pos ([Int] Int) | Int |
16 | fn :: re parse class String Int Int | ReParseRes |
17 | fn :: re finish class Bool ([Int] Int) | ReParseRes |
18 | fn :: re res node ReParseRes | ReNode |
19 | fn :: re res pos ReParseRes | Int |
20 | fn :: re parse group String Int Int | ReParseRes |
21 | fn :: re close group ReNode String Int Int | ReParseRes |
22 | fn :: re parse atom String Int Int | ReParseRes |
23 | fn :: re parse postfix ReNode String Int Int | ReParseRes |
24 | fn :: re parse factor String Int Int | ReParseRes |
25 | fn :: re is seq stop Int | Bool |
26 | fn :: re parse seq loop ReNode String Int Int | ReParseRes |
27 | fn :: re parse seq step ReNode String Int Int | ReParseRes |
28 | fn :: re parse seq String Int Int | ReParseRes |
29 | fn :: re parse seq first String Int Int | ReParseRes |
30 | fn :: re parse alt loop ReNode String Int Int | ReParseRes |
31 | fn :: re parse alt branch ReNode String Int Int | ReParseRes |
32 | fn :: re parse alt String Int Int | ReParseRes |
33 | fn :: nfa len [NfaInst] | Int |
34 | fn :: re compile seq ReNode ReNode Int | [NfaInst] |
35 | fn :: re compile opt ReNode Int | [NfaInst] |
36 | fn :: re compile star ReNode Int | [NfaInst] |
37 | fn :: re compile plus ReNode Int | [NfaInst] |
38 | fn :: re compile alt ReNode ReNode Int | [NfaInst] |
39 | fn :: re compile node ReNode Int | [NfaInst] |
40 | fn :: re compile String | [NfaInst] |
41 | fn :: nfa inst at [NfaInst] Int | NfaInst |
42 | fn :: nfa set has [Int] Int | Bool |
43 | fn :: nfa closure [NfaInst] [Int] Int Int [Int] | [Int] |
44 | fn :: nfa closure inst [NfaInst] Int [Int] Int Int [Int] NfaInst | [Int] |
45 | fn :: nfa step one NfaInst Int | [Int] |
46 | fn :: nfa step [NfaInst] [Int] Int | [Int] |
47 | fn :: nfa is match inst NfaInst | Bool |
48 | fn :: nfa has match [NfaInst] [Int] | Bool |
49 | fn :: nfa update last [NfaInst] [Int] Int Int | Int |
50 | fn :: nfa sim loop [NfaInst] String Int Int [Int] Int | Int |
51 | fn :: nfa sim step [NfaInst] String Int Int [Int] Int | Int |
52 | fn :: nfa longest from [NfaInst] String Int Int | Int |
53 | fn :: nfa full loop [NfaInst] String Int Int [Int] | Bool |
54 | fn :: nfa full step [NfaInst] String Int Int [Int] | Bool |
55 | fn :: regex match String String | Bool |
56 | fn :: nfa find from [NfaInst] String Int Int | RegexMatch |
57 | fn :: nfa find check [NfaInst] String Int Int Int | RegexMatch |
58 | fn :: regex find String String | RegexMatch |
59 | fn :: regex is match String String | Bool |
60 | fn :: nfa find all loop [NfaInst] String Int Int [RegexMatch] | [RegexMatch] |
61 | fn :: nfa find all step [NfaInst] String Int Int [RegexMatch] Int | [RegexMatch] |
62 | fn :: regex find all String String | [RegexMatch] |
63 | fn :: regex replace String String String | String |
64 | fn :: re apply replace RegexMatch String String | String |
65 | fn :: nfa replace all loop [NfaInst] String String Int Int String | String |
66 | fn :: nfa replace all step [NfaInst] String String Int Int String Int | String |
67 | fn :: regex replace all String String String | String |
68 | fn :: nfa split loop [NfaInst] String Int Int Int [String] | [String] |
69 | fn :: nfa split step [NfaInst] String Int Int Int [String] Int | [String] |
70 | fn :: regex split String String | [String] |
19.3. Explorando a regex a fundo: Exemplos passo a passo de cada funcionalidade
Não basta ver a tabela de assinaturas: vamos explorar cada uma das funcionalidades da lib regex através de exemplos progressivos e executáveis em Ridgun. Começaremos pelas duas receitas tabulares de uso diário e depois percorreremos em detalhe todos os cenários funcionais, transformações e casos de fronteira verificados em src/test/ridgun/test regex.rg.
19.3.1. Exemplo 1: Fluxo principal em estilo tabular com regex
Repare como em Ridgun os sinais = e os passos de transformação com regex ficam alinhados como uma tabela limpa, sem variáveis mutáveis desnecessárias nem efeitos colaterais ocultos:
import regex
fn :: extraer codigos postales String => [String]
extraer codigos postales texto =
regex find all "\d+" texto19.3.2. Exemplo 2: Composição segura e tratamento de casos de fronteira
Todas as funções da lib regex foram desenhadas para se comporem com guardas booleanas | e com as restantes 32 libs do ridgun-libs:
import regex
fn :: censurar telefonos String => Bool String
censurar telefonos comentario =
regex is match "\d+-\d+" comentario -> tiene
regex replace all "\d+-\d+" comentario "[TELEFONO]" -> limpio
(tiene, limpio)19.3.3. Exemplo 3: Âncoras (^, $), quantificadores (*, +, ?), alternância (|), grupos (...), classes [a-z0-9] e atalhos (\d, \w, \s)
Neste exemplo prático exploramos de forma exaustiva como a regex se comporta neste bloco funcional, incluindo entradas padrão, combinações de parâmetros e valores limite:
fn :: test regex operators and classes => ()
test regex operators and classes =
assert true (regex match "" "") "AC1: empty pattern matches empty string"
assert false (regex match "" "nonempty") "AC1: empty pattern rejects non-empty on full match"
assert true (regex match 'a(b|c)+d?e*' "abcbdeee") "AC1: alternation group plus opt star"
assert true (regex match 'a(b|c)+d?e*' "ac") "AC1: opt and star match zero occurrences"
assert false (regex match 'a(b|c)+d?e*' "ade") "AC1: plus requires at least one"
assert true (regex match '(foo|bar|baz)+' "barfoobazbar") "AC1: multi-branch alternation with plus"
assert false (regex match '(foo|bar|baz)+' "barquxfoo") "AC1: multi-branch alternation rejects unknown"
assert true (regex match '[a-zA-Z_][a-zA-Z0-9_]*' "_valid_Identifier_99") "AC1: identifier character class"
assert false (regex match '[a-zA-Z_][a-zA-Z0-9_]*' "9invalid") "AC1: identifier rejects leading digit"
assert true (regex match '[^0-9]+' "hello_world") "AC1: negated char class"
assert false (regex match '[^0-9]+' "hello42") "AC1: negated char class rejects digits"
assert true (regex match '\w+\s+\d+' "agent 007") "AC1: shorthand escapes \\w \\s \\d"
assert true (regex match '\D+\S+' "abc_123") "AC1: negated shorthand escapes \\D \\S"
assert true (regex match 'v\d+\.\d+\.\d+' "v0.9.16") "AC1: escaped dot literal"
assert false (regex match 'v\d+\.\d+\.\d+' "v0X9Y16") "AC1: escaped dot rejects non-dot"
assert true (regex is match '^hello' "hello world") "AC1: bol anchor matches start"
assert false (regex is match '^world' "hello world") "AC1: bol anchor rejects middle"
assert true (regex is match 'world$' "hello world") "AC1: eol anchor matches end"
assert false (regex is match 'hello$' "hello world") "AC1: eol anchor rejects prefix"
assert true (regex is match '^exact$' "exact") "AC1: anchored ^exact$ matches full string"
assert false (regex is match '^exact$' "not exact") "AC1: anchored ^exact$ rejects extra chars"
-- Russ Cox pathological backtracking benchmarks (exponential in backtracking engines, O(N*M) in Thompson NFA)
assert false (regex match '(a+)+b' "aaaaaaaaaaaaaaaaaaaaaaaaaaaaaac") "AC1: Thompson NFA immune to (a+)+b ReDoS"
assert false (regex match '(a|aa)+b' "aaaaaaaaaaaaaaaaaaaaaaaaaaaaaac") "AC1: Thompson NFA immune to (a|aa)+b ReDoS"
assert true (regex match 'a?a?a?a?a?a?a?a?aaaaaaaa' "aaaaaaaa") "AC1: Russ Cox a?^n a^n vector"
()19.3.4. Exemplo 4: Extração de correspondências (regex find, regex find all), substituição (regex replace, regex replace all) e divisão (regex split)
Neste exemplo prático exploramos de forma exaustiva como a regex se comporta neste bloco funcional, incluindo entradas padrão, combinações de parâmetros e valores limite:
fn :: test regex find replace split => ()
test regex find replace split =
m1 = regex find '\d+' "item #42 and #99"
assert true (matched m1) "AC2: find matched"
assert int equals (match_start m1) 6 "AC2: find start"
assert int equals (match_end m1) 8 "AC2: find end"
assert str eq (text m1) "42" "AC2: find text"
m_none = regex find '\d+' "no digits here"
assert false (matched m_none) "AC2: find returns matched=False when absent"
all_m = regex find all '[a-z]+=\d+' "id=10, port=8080, ttl=60"
assert int equals (re match count all_m) 3 "AC2: find all key=val count"
assert str eq (text (re match at all_m 0)) "id=10" "AC2: find all first match"
assert str eq (text (re match at all_m 1)) "port=8080" "AC2: find all second match"
assert str eq (text (re match at all_m 2)) "ttl=60" "AC2: find all third match"
r1 = regex replace '\d+' "X" "v1.2.3"
assert str eq r1 "vX.2.3" "AC3: replace first"
r_no = regex replace '\d+' "X" "abc"
assert str eq r_no "abc" "AC3: replace with no match returns original"
r2 = regex replace all '\d+' "X" "v1.22.333"
assert str eq r2 "vX.X.X" "AC3: replace all"
parts = regex split '\s*[,;]\s*' "alpha, beta ; gamma,delta"
assert int equals (re str count parts) 4 "AC3: split count"
assert str eq (re str at parts 0) "alpha" "AC3: split[0]"
assert str eq (re str at parts 1) "beta" "AC3: split[1]"
assert str eq (re str at parts 2) "gamma" "AC3: split[2]"
assert str eq (re str at parts 3) "delta" "AC3: split[3]"
()19.3.5. Exemplo 5: Validador de identificadores e anonimizador de logs em tempo linear $O(N \cdot M)$ com Thompson NFA (regex is match, regex replace all, regex split)
Neste exemplo prático exploramos de forma exaustiva como a regex se comporta neste bloco funcional, incluindo entradas padrão, combinações de parâmetros e valores limite:
import regex
fn :: limpiar traza y validar id (usuario_id : String) (linea_log : String) => (Bool, String, [String])
limpiar traza y validar id usuario_id linea_log =
id_valido = regex is match "^usr_[a-z0-9]+$" usuario_id
sin_ips = regex replace all "\d+\.\d+\.\d+\.\d+" linea_log "[IP-REDACTADA]"
tokens = regex split "\s+" sin_ips
(id_valido, sin_ips, tokens)19.4. Debaixo do capô: como a regex é construída em Ridgun puro (src/main/ridgun/lib/regex.rg)
Uma das maiores vantagens do ridgun-libs é que não existem caixas-pretas em C. Pode abrir src/main/ridgun/lib/regex.rg e ler exatamente como cada operação é implementada usando pattern matching, árvores de guardas | / |. e recursão de cauda (TCO). Vejamos as peças-chave da sua implementação real:
19.4.1. Implementação interna: Character Class & Shorthand Helpers
Observe como regex.rg estrutura primeiro as assinaturas fn :: ... => ... e resolve cada caso através de equações alinhadas e chamadas de cauda:
module :: regex
fn :: re is digit Int => Bool
re is digit c = c >= 48 and c <= 57
fn :: re is word Int => Bool
re is word c = (c >= 48 and c <= 57) or (c >= 65 and c <= 90) or (c >= 97 and c <= 122) or c == 95
fn :: re is space Int => Bool
re is space c = c == 32 or c == 9 or c == 10 or c == 13 or c == 11 or c == 12
fn :: re match short Int Int => Bool
re match short 100 c = re is digit c
re match short 68 c = not (re is digit c)
re match short 119 c = re is word c
re match short 87 c = not (re is word c)
re match short 115 c = re is space c
re match short 83 c = not (re is space c)
re match short _ _ = False
fn :: re in ranges Int [Int] => Bool
re in ranges _ [] = False
re in ranges _ (_:[]) = False
re in ranges c (lo:hi:rs) =
| c >= lo and c <= hi = True
| otherwise = re in ranges c rs19.4.2. Implementação interna: Thompson NFA Compiler (ReNode -> [NfaInst])
Observe como regex.rg estrutura primeiro as assinaturas fn :: ... => ... e resolve cada caso através de equações alinhadas e chamadas de cauda:
fn :: nfa len [NfaInst] => Int
nfa len [] = 0
nfa len (_:rest) = 1 + (nfa len rest)
fn :: re compile seq ReNode ReNode Int => [NfaInst]
re compile seq a b start_id =
insts_a = re compile node a start_id
mid_id = start_id + (nfa len insts_a)
insts_b = re compile node b mid_id
insts_a :: insts_b
fn :: re compile opt ReNode Int => [NfaInst]
re compile opt a start_id =
body = re compile node a (start_id + 1)
end_id = start_id + 1 + (nfa len body)
[InstSplit (start_id + 1) end_id] :: body
fn :: re compile star ReNode Int => [NfaInst]
re compile star a start_id =
body = re compile node a (start_id + 1)
end_id = start_id + 2 + (nfa len body)
([InstSplit (start_id + 1) end_id] :: body) :: [InstJump start_id]
fn :: re compile plus ReNode Int => [NfaInst]
re compile plus a start_id =
body = re compile node a start_id
split_id = start_id + (nfa len body)
body :: [InstSplit start_id (split_id + 1)]
fn :: re compile alt ReNode ReNode Int => [NfaInst]
re compile alt a b start_id =
body_a = re compile node a (start_id + 1)
jump_id = start_id + 1 + (nfa len body_a)
start_b = jump_id + 1
body_b = re compile node b start_b
end_id = start_b + (nfa len body_b)
(([InstSplit (start_id + 1) start_b] :: body_a) :: [InstJump end_id]) :: body_b
fn :: re compile node ReNode Int => [NfaInst]
re compile node ReEmpty _ = []
re compile node (ReChar c) start_id = [InstChar c (start_id + 1)]
re compile node ReAny start_id = [InstAny (start_id + 1)]
re compile node (ReClass neg rngs) start_id = [InstClass neg rngs (start_id + 1)]
re compile node (ReShort k) start_id = [InstShort k (start_id + 1)]
re compile node ReBol start_id = [InstBol (start_id + 1)]
re compile node ReEol start_id = [InstEol (start_id + 1)]
re compile node (ReOpt a) start_id = re compile opt a start_id
re compile node (ReStar a) start_id = re compile star a start_id
re compile node (RePlus a) start_id = re compile plus a start_id
re compile node (ReSeq a b) start_id = re compile seq a b start_id
re compile node (ReAlt a b) start_id = re compile alt a b start_id
fn :: re compile String => [NfaInst]
re compile pat =
re parse alt pat 0 (str len pat) -> parsed
(re compile node (re res node parsed) 0) :: [InstMatch]19.4.3. Implementação interna: Linear-Time Thompson NFA State-Set Simulation
Observe como regex.rg estrutura primeiro as assinaturas fn :: ... => ... e resolve cada caso através de equações alinhadas e chamadas de cauda:
fn :: nfa inst at [NfaInst] Int => NfaInst
nfa inst at [] _ = InstMatch
nfa inst at (i:_) 0 = i
nfa inst at (_:rest) idx = nfa inst at rest (idx - 1)
fn :: nfa set has [Int] Int => Bool
nfa set has [] _ = False
nfa set has (x:xs) v =
| x == v = True
| otherwise = nfa set has xs v
fn :: nfa closure [NfaInst] [Int] Int Int [Int] => [Int]
nfa closure _ [] _ _ visited = visited
nfa closure prog (s:ss) pos len visited =
| nfa set has visited s = nfa closure prog ss pos len visited
| otherwise = nfa closure inst prog s ss pos len (visited :: [s]) (nfa inst at prog s)
fn :: nfa closure inst [NfaInst] Int [Int] Int Int [Int] NfaInst => [Int]
nfa closure inst prog _ ss pos len vis (InstJump out) = nfa closure prog ([out] :: ss) pos len vis
nfa closure inst prog _ ss pos len vis (InstSplit o1 o2) = nfa closure prog ([o1, o2] :: ss) pos len vis
nfa closure inst prog _ ss pos len vis (InstBol out) =
| pos == 0 = nfa closure prog ([out] :: ss) pos len vis
| otherwise = nfa closure prog ss pos len vis
nfa closure inst prog _ ss pos len vis (InstEol out) =
| pos == len = nfa closure prog ([out] :: ss) pos len vis
| otherwise = nfa closure prog ss pos len vis
nfa closure inst prog _ ss pos len vis _ = nfa closure prog ss pos len vis
fn :: nfa step one NfaInst Int => [Int]
nfa step one (InstChar expected out) c =
| c == expected = [out]
| otherwise = []
nfa step one (InstAny out) c =
| c != 10 = [out]
| otherwise = []
nfa step one (InstClass neg rngs out) c =
| (re in ranges c rngs) != neg = [out]
| otherwise = []
nfa step one (InstShort kind out) c =
| re match short kind c = [out]
| otherwise = []
nfa step one _ _ = []
fn :: nfa step [NfaInst] [Int] Int => [Int]
nfa step _ [] _ = []
nfa step prog (s:ss) c = (nfa step one (nfa inst at prog s) c) :: (nfa step prog ss c)
fn :: nfa is match inst NfaInst => Bool
nfa is match inst InstMatch = True
nfa is match inst _ = False
fn :: nfa has match [NfaInst] [Int] => Bool
nfa has match _ [] = False
nfa has match prog (s:ss) =
| nfa is match inst (nfa inst at prog s) = True
| otherwise = nfa has match prog ss
fn :: nfa update last [NfaInst] [Int] Int Int => Int
nfa update last prog active cand cur =
| nfa has match prog active = cand
| otherwise = cur
fn :: nfa sim loop [NfaInst] String Int Int [Int] Int => Int
nfa sim loop _ _ _ _ [] last_m = last_m
nfa sim loop prog input pos len active last_m =
| pos >= len = last_m
| otherwise = nfa sim step prog input pos len active last_m
fn :: nfa sim step [NfaInst] String Int Int [Int] Int => Int
nfa sim step prog input pos len active last_m =
str char at input pos -> c
nfa closure prog (nfa step prog active c) (pos + 1) len [] -> next_act
nfa update last prog next_act (pos + 1) last_m -> next_last
nfa sim loop prog input (pos + 1) len next_act next_last
fn :: nfa longest from [NfaInst] String Int Int => Int
nfa longest from prog input pos len =
nfa closure prog [0] pos len [] -> init_act
nfa update last prog init_act pos (0 - 1) -> init_last
nfa sim loop prog input pos len init_act init_last
fn :: nfa full loop [NfaInst] String Int Int [Int] => Bool
nfa full loop _ _ _ _ [] = False
nfa full loop prog input pos len active =
| pos >= len = nfa has match prog active
| otherwise = nfa full step prog input pos len active
fn :: nfa full step [NfaInst] String Int Int [Int] => Bool
nfa full step prog input pos len active =
str char at input pos -> c
nfa closure prog (nfa step prog active c) (pos + 1) len [] -> next_act
nfa full loop prog input (pos + 1) len next_act19.4.4. Implementação interna: Public Regex API (API-REGEX-001)
Observe como regex.rg estrutura primeiro as assinaturas fn :: ... => ... e resolve cada caso através de equações alinhadas e chamadas de cauda:
fn :: regex match String String => Bool
regex match pat input =
pat re compile -> prog
input str len -> len
nfa closure prog [0] 0 len [] -> init_act
nfa full loop prog input 0 len init_act
fn :: nfa find from [NfaInst] String Int Int => RegexMatch
nfa find from prog input pos len =
| pos > len = RegexMatch False (0 - 1) (0 - 1) ""
| otherwise = nfa find check prog input pos len (nfa longest from prog input pos len)
fn :: nfa find check [NfaInst] String Int Int Int => RegexMatch
nfa find check prog input pos len end_pos =
| end_pos >= pos = RegexMatch True pos end_pos (str slice input pos end_pos)
| otherwise = nfa find from prog input (pos + 1) len
fn :: regex find String String => RegexMatch
regex find pat input =
pat re compile -> prog
nfa find from prog input 0 (str len input)
fn :: regex is match String String => Bool
regex is match pat input = regex find pat input -> matched
fn :: nfa find all loop [NfaInst] String Int Int [RegexMatch] => [RegexMatch]
nfa find all loop prog input pos len acc =
| pos > len = acc
| otherwise = nfa find all step prog input pos len acc (nfa longest from prog input pos len)
fn :: nfa find all step [NfaInst] String Int Int [RegexMatch] Int => [RegexMatch]
nfa find all step prog input pos len acc end_pos =
| end_pos > pos = nfa find all loop prog input end_pos len (acc :: [RegexMatch True pos end_pos (str slice input pos end_pos)])
| end_pos == pos = nfa find all loop prog input (pos + 1) len (acc :: [RegexMatch True pos pos ""])
| otherwise = nfa find all loop prog input (pos + 1) len acc
fn :: regex find all String String => [RegexMatch]
regex find all pat input =
pat re compile -> prog
nfa find all loop prog input 0 (str len input) []
fn :: regex replace String String String => String
regex replace pat repl input =
regex find pat input -> m
re apply replace m repl input
fn :: re apply replace RegexMatch String String => String
re apply replace m repl input =
| not (matched m) = input
| otherwise = (str slice input 0 (match_start m)) + repl + (str slice input (match_end m) (str len input))
fn :: nfa replace all loop [NfaInst] String String Int Int String => String
nfa replace all loop prog repl input pos len acc =
| pos >= len = acc
| otherwise = nfa replace all step prog repl input pos len acc (nfa longest from prog input pos len)
fn :: nfa replace all step [NfaInst] String String Int Int String Int => String
nfa replace all step prog repl input pos len acc end_pos =
| end_pos > pos = nfa replace all loop prog repl input end_pos len (acc + repl)
| otherwise = nfa replace all loop prog repl input (pos + 1) len (acc + (str slice input pos (pos + 1)))
fn :: regex replace all String String String => String
regex replace all pat repl input =
pat re compile -> prog
nfa replace all loop prog repl input 0 (str len input) ""
fn :: nfa split loop [NfaInst] String Int Int Int [String] => [String]
nfa split loop prog input pos len last_s acc =
| pos >= len = acc :: [str slice input last_s len]
| otherwise = nfa split step prog input pos len last_s acc (nfa longest from prog input pos len)
fn :: nfa split step [NfaInst] String Int Int Int [String] Int => [String]
nfa split step prog input pos len last_s acc end_pos =
| end_pos > pos = nfa split loop prog input end_pos len end_pos (acc :: [str slice input last_s pos])
| otherwise = nfa split loop prog input (pos + 1) len last_s acc
fn :: regex split String String => [String]
regex split pat input =
pat re compile -> prog
nfa split loop prog input 0 (str len input) 0 []19.5. Garantias algorítmicas, memória RMM1/RMM2 e as 5 Regras de Ouro da regex
- Garantia algorítmica e de segurança: Simulação de conjunto de estados NFA sem recursão descontrolada na pilha e tempo $O(N \cdot M)$ garantido mesmo perante padrões patológicos
(a+)+b. - Complexidade de pilha $O(1)$ com TCO: Todos os ciclos recursivos em
src/main/ridgun/lib/regex.rgestão em posição de cauda, pelo que oridguncos compila para saltos nativos sem crescimento de pilha. - Memória determinística (
RMM1/RMM2): Zero pausas de coletor de lixo; todas as estruturas intermédias são libertadas de forma determinística à saída do escopo. - Verificação contínua: Testada exaustivamente com
stable checke pela suite automatizadasrc/test/ridgun/test regex.rg.
As 5 Regras de Ouro ao programar com a regex
- Declare
import regexno início do ficheiro e aproveite a equivalência entre espaços e underscores para que o seu código se leia como prosa. - Alinhe os seus pipelines de dados com
=: encadeie as chamadas àregexem passos nomeados e deixe ostable formatalinhar as colunas. - Aproveite as funções totais da
regexnas suas guardas|: verifique os valores de retorno ou desempacote os ADTs com pattern matching em vez de assumir que a entrada externa é sempre válida. - Evite copiar grandes estruturas se só precisa de consultar um campo: lembre-se de que no
RMM2os argumentos de entrada não incrementam nem decrementam contadores (+0/-0). - Combine a
regexcomtest(import test): escreva sempre asserções comassert equalsouassert truepara fixar os invariantes do seu domínio.
No Capítulo 20 passaremos a explorar em profundidade a lib glob (A lib glob — Padrões de Wildcards (*, ?, [a-z]) e Filtragem de Listas).