尊敬的读者您好。
正则表达式是在各种项目中使用的众所周知的东西，通常用于解析结构化文本的不太复杂的情况。 乍一看，它从事诸如程序模型的反向合成之类的稍微不同的任务（当某个系统根据要解决的问题的某些块模型自动生成程序代码时，有必要使用此代码重新创建原始模型），以及使用文本来合成程序模型。在任务描述中，我遇到了分析文本的问题，或更确切地说，是将文本片段识别为一些自定义模板。 我想要一个相当简单和灵活（可定制）的解决方案。 正则表达式似乎并非如此，因为不幸的是，即使在诸如检查字典中的单词之类的简单任务中，它也需要仔细列出该表达式中的所有选项。 而且他们没有建立一个解析树。 但是，显然可以改善它们。 将对此进行讨论。
因此，设置了
以下任务 ：
- 正则表达式应该能够产生一个解析树。 有必要实现访问该树的标准方法。
- 正则表达式应该能够包含对字典中找到的片段的检查（根据Levenshtein的精确或非严格对应关系），以及同时对多个表进行更复杂的检查。
- 除了上面列出的简单检查之外，我还想进行更多的模糊检查，例如单词和表达式的兼容性，神经网络
解析树。
在正则表达式中，已解析的片段由方括号的数目标识。 坦率地说，这很不方便，因此决定了命名括号的可能性。 顺便说一句，这些名称应该出现在解析树中。 语法选择很简单：
(_)->{_}
如果在原始表达式的括号后有任何运算符（*，+等），则他“移动”到右括号后面。 例如：
(\w+\s)->{A}+
没有什么可以阻止命名和括号，例如：
((\w+)->{ID}\s)->{A}+
在最后一个示例中，修改后的正则表达式将生成带有一些条件根的解析树，在下一级别有A的实例（可以有多个），在下一级别有ID值。 使用我已经实现的XPath可以方便地访问这样的树，例如，这样的请求是可能的：
//A[2]/ID[text()!=""]/text()
单词检查字典，表格和简单的神经网络
解析正则表达式与解析简单逻辑表达式非常相似，例如使用Prolog语言。 这导致了类似于Prolog的片段的想法，它将是：
a）各种检查链。 这并不困难，尤其是因为变量已经出现（以命名括号的形式）；
b）或用检测到的碎片补充表/词典；
c）或检测到的片段的表/词典中的例外；
d）或神经网络创建/培训团队。
这里的一般语法为：
(_)_=>{1,2,...}
operation_symbol取决于以下操作：验证（？），补货（+），排除（-），创建/培训（*）。 对于谓词，将显示谓词的名称（标准或您自己的谓词）及其括号中的参数列表。 参数可以是常量，输入变量，输出变量（以“ $”符号开头），任意值“ _”的符号，对
expression_片段当前值的引用（单个字符“ $”）。 如果链中的所有谓词均成功，则认为对此类表达式的分析成功。
例如，表达式：
([--]+)->{V1}\s+([--]+)->{V2}()?=>{check(V1},check(V2),correlate(V1,V2)}
选择两个连续的俄语单词并将其放在变量V1和V2中，然后使用谓词检查（这可以在表上进行简单检查）并最终使用谓词关联（也可以在表上进行检查）检查这些单词。 验证的类型（严格或非严格）由谓词的规范确定。
如果相关表不包含单词本身，而是包含单词的某些代码及其兼容性的特征，则可能存在以下表达式：
()->{C1}()->{C2}([--]+)->{check($,$C1}\s+([--]+)->{V2}()?=>{check(V2,$C2),correlate(C1,C2,1)}
在此，首先介绍两个变量C1和C2。 相关谓词也可以是具有两个输入（单词代码）和一个输出（兼容性）的神经网络，该神经网络根据一些预定义或动态组装（在正则表达式操作期间）集合进行训练。
仍然需要补充的是，还可以将并行和顺序的特殊指令指定为谓词，这些谓词分别包括并计算谓词链中执行的并行性（转换为谓词相关性树，根据谓词树进行并行化）。 此外，您可以启用一种特殊模式，在该模式下尝试动态预测各个谓词的执行时间，并确定并发是否有效，反之亦然，这只会带来额外的成本。
结论
所有描述的正则表达式修改都在Free Pascal的原型中实现（标准regexpr.pas的修改）。
我希望这些想法对某人有用。
现在，使用这样的正则逻辑表达式+在纯Prolog上进行编程，有可能首先为程序生成系统编写一个插件，该插件从以前由其生成的代码中还原原始程序模型，其次，为该系统创建自然语言的元素界面（以非常简化的俄语使用问题陈述，并在其上制定了问题模型，据此已经生成了程序）。