std.regex

Reguläre Ausdrücke mit NFA-basiertem Bytecode-Interpreter. Unterstützt Match (ganzer String), Search (erstes Vorkommen), Replace, Alternation (foo|bar) und Capture-Gruppen (bis zu 32, CaptureText). Flags: IGNORE_CASE (Groß-/Kleinschreibung ignorieren), ANCHORED (nur am Anfang), MULTILINE ('^'/$ matchen Zeilengrenzen). Sowohl einfache API (RegexMatch, RegexSearch, RegexReplace) als auch kompilierte Varianten für Wiederverwendung. RegexSearchSpan liefert Start- und End-Position eines Treffers; RegexFindAll findet alle nicht-überlappenden Treffer auf einmal.

Einsatzbereiche: Eingabevalidierung (E-Mail, Telefon, URLs), Log-Parsing, Template-Ersetzung, Protokoll-Analyse, SEO-Content-Analyse.

Autor: Andreas Röne
Copyright: 2024-2025 Andreas Röne

• std.string
• std.alloc

var startBuf: int64 := alloc(8) as int64;
var endBuf:   int64 := alloc(8) as int64;
if (RegexSearchSpan("foo|bar", text, startBuf, endBuf)) {
    var s: int64 := peek64(startBuf);
    var e: int64 := peek64(endBuf);
    // Treffer liegt in text[s..e)
}
free(startBuf, 8);
free(endBuf, 8);

var buf: int64 := alloc(16 * 8) as int64;  // max. 16 Treffer
var n: int64 := RegexFindAll("\d+", text, buf, 16);
var i: int64 := 0;
while (i < n) {
    var s: pchar := peek64(buf + i * 8) as pchar;
    // s ist jeder Treffer als heap-alloc'd pchar — Aufrufer muss free aufrufen
    i := i + 1;
}
free(buf, 16 * 8);

// | matcht auf oberster Ebene; Gruppen schränken den Geltungsbereich ein
var pos: int64 := RegexSearch("error|warn|info", logLine);
var pos2: int64 := RegexSearch("(GET|POST) /api", httpLine);

• Alternation nur in der einfachen API: | wird von RegexSearch, RegexMatch, RegexSearchSpan und RegexFindAll unterstützt. Die kompilierte API (RegexSearchCompiledEx etc.) kennt kein | im Bytecode-Format.
• RegexFindAll: Aufrufer gibt Treffer frei — jeder zurückgegebene pchar-Zeiger ist heap-alloc'd. Für n Treffer der Länge L gilt: free(ptr, L + 1) pro Treffer.
• RegexSearchSpan: Adressen, keine Werte — startOut und endOut sind int64-Adressen (z. B. alloc(8) as int64), nicht direkte Ausgabevariablen.
• Keyword-Konflikt match — in internem Code verwendet die Unit matched2 statt matched und pEnd statt to, da beide reservierte Keywords sind (TK_MATCH = 27). Betrifft nur eigenen Code der Unit, nicht die öffentliche API.