เมื่อเร็ว ๆ นี้การออกแบบ PPCGลีดเดอร์ได้รับมีปัญหาบางอย่างแยกคำตอบhtml ที่ส่วนหัว

ในการท้าทายนี้คุณจะต้องทำการยิงของตัวเองในการแยกส่วนหัวคำตอบ

ตัวอย่างกรณีทดสอบ

อินพุตตัวอย่างเหล่านี้( ไม่ใช่กรณีทดสอบจริง) ดังนั้นคุณจึงสามารถทราบได้ว่าอินพุทอาจเป็นอย่างไร

Input: <h1>Python 3, 32 bytes</h1>
Desired Output: Python 3

Input: <h1>JavaScript, 13 chars / 32 bytes</h1>
Desired Output: JavaScript

Input: <b>VeryBadlyFormattedHeader v3 : (32 bytes)</b>

สเป็ค

โปรแกรมของคุณควรมีขนาด 150 ไบต์หรือต่ำกว่า

คุณจะได้รับบรรทัด html ของส่วนหัวคำตอบคุณจะต้องพยายามทำอย่างดีที่สุดเพื่อแยกภาษาออกมาเป็นผลสำเร็จ ข้อมูลที่ป้อนอาจมีอักขระ Unicode

กรณีการส่งออกมีความสำคัญ

การทดสอบ

Github สรุปสาระสำคัญกับกรณีทดสอบ

มีหนึ่งกรณีทดสอบต่อบรรทัด รูปแบบคือ:

<lang_name> - <rest_of_the_line_is_the_header>

เกณฑ์การให้คะแนน

คะแนนของคุณคือ:

 Number Correct
----------------
  Total Number

(ซึ่งเป็นเปอร์เซ็นต์)

ไทเบรกเกอร์เป็นรหัสที่สั้นที่สุด

เรติน่า 0.8.2 , 100%, 75 71 70 68 67 64 59 53 51 ไบต์

<.*?>

(,| [-&(–5]| [0-7]\d)(?! W|...\)).*

2 |:

นี่คือรหัสกอล์ฟตอนนี้ดังนั้นฉันต้องเปลี่ยนภาษา

ลองออนไลน์!

การตรวจสอบ

$ wget -q https://gist.githubusercontent.com/vihanb/1d99599b50c82d4a6d7f/raw/cd8225de96e9920db93613198b012749f9763e3c/testcases
$ grep -Po '(?<= - ).*' < testcases > input
$ grep -Po '^.*?(?= - )' < testcases > output
$ mono retina/Retina.exe headers.ret < input | head -n -1 | diff -s - output
Files - and output are identical

มันทำงานอย่างไร

รหัสประกอบด้วยการแทนที่ง่าย ๆ สามรายการ (หรือการคัดออก) แทนที่จะพยายามจับคู่ชื่อภาษาเราจะกำจัดทุกส่วนของสตริงอินพุตที่รวมเป็นส่วนหนึ่งของมัน

1. <.*?> จะจับคู่แท็ก HTML ทั้งหมดดังนั้นการแทนที่จะลบออกจากอินพุต

   .*?จับคู่จำนวนอักขระใด ๆ แต่เนื่องจาก?ทำให้ตัวนับขี้เกียจมันจะจับคู่กับจำนวนที่น้อยที่สุดเท่าที่จะเป็นไปได้ซึ่งยังคงอนุญาตให้รูปแบบทั้งหมดตรงกัน หลีกเลี่ยงปัญหานี้ลบการป้อนข้อมูลทั้งหมดซึ่งมักจะเริ่มต้นด้วยและสิ้นสุดด้วย<>

   ชื่อภาษาเริ่มต้นด้วยอักขระตัวแรกของสตริงอินพุตที่แก้ไขแล้วที่เหลือ

2. หลังจากชื่อภาษาเราจะพบหนึ่งในตอนจบต่อไปนี้:

   ,, - , &, (, –,5หรือพื้นที่ตามด้วยตัวเลขสองหลัก

   สองตอนจบแรกเป็นเรื่องธรรมดาและPython 2 & PuLP...ควรจะแยกเป็นPython 2, Ruby (2.2.2p95)...เป็นRuby,>PHP – 3302 bytesเป็นPHPและเป็นPerl 5...Perl

   (,| [-&(–5]| \d\d).* จะตรงกับตอนจบเหล่านี้ทั้งหมด (และตัวละครทั้งหมดตามหลังพวกเขา) แต่มันจะส่งผลให้เกิดผลบวกปลอม:

   • , จะจับคู่เครื่องหมายจุลภาคในชื่อภาษา Help, WarDoq!จะตรงกับเครื่องหมายจุลภาคในชื่อภาษา

   • ( จะตรงกับรุ่นของ JavaScript (ESx)Java (1.8)และ

   • \d\d จะจับคู่เวอร์ชันใน Ti-Basic 84จะตรงกับรุ่นใน

   เราสามารถแก้ไขกรณีปัญหาที่สามโดยใช้ [0-7]\dแทน\d\dเพื่อหลีกเลี่ยงการจับคู่884ใน

   สำหรับกรณีที่มีปัญหาอื่น ๆ เราใช้ lookahead เชิงลบ(?! W|...\))ที่จะป้องกันรูปแบบก่อนหน้าจากการจับคู่หากมีการตามด้วยW(เช่นในHelp, WarDoq! ) หรือตามตัวอักษรสามตัวและวงเล็บปิด (เช่นเดียวกับใน(ES6)หรือ(1.8) )

   วางมันทั้งหมดเข้าด้วยกัน, (,| [-&(–5]| [0-7]\d)(?! W|...\)).*ทุกอย่างจับคู่ทุกอย่างหลังจากชื่อภาษา

3. เราเหลือสองกรณีปัญหา:

   <h1>Python <s>2</s> 3, <s>255</s> <s>204</s> <s>180</s> 178 bytes</h1>
   <h1><a href="http://sylwester.no/zozotez/" rel="nofollow">Zozotez Lisp</a>: 73</h1>
   

   ได้รับการแยกวิเคราะห์เป็น

   Python 2 3
   Zozotez Lisp:
   

   เราสามารถแก้ไขได้ก่อนโดยการลบ 2 และอันที่สองโดยการลบออก:จากผลลัพธ์

   สิ่งนี้สามารถทำได้โดยแทนที่2 |:ด้วยสตริงว่าง

Bash, 100%, 100 ไบต์

sed sX..s.2./s.XX|grep -Po '(?<=>)[^<]+?(?=(,(?! W)| [-&–5]| ?<| [0-79]\d| ?\((?!E|1\.)))'|head -1

ลองมันออนไลน์บนIdeone

การตรวจสอบ

$ wget -q https://gist.githubusercontent.com/vihanb/1d99599b50c82d4a6d7f/raw/cd8225de96e9920db93613198b012749f9763e3c/testcases
$ grep -Po '(?<= - ).*' < testcases > input
$ grep -Po '^.*?(?= - )' < testcases > output
$ while read line; do bash headers.sh <<< "$line"; done < input | diff -s - output
Files - and output are identical

CJam, 78.38% (76 ไบต์)

l{_'>#)>_c'<=}g_'<#<_{",-"&}#)_{_1$=',=+(<}{;}?

ลองออนไลน์! หรือนับหัวที่ถูกต้อง

Jolf, 13 ไบต์, 85.94%, ไม่ใช่การแข่งขัน

ρΥpΔid=',H',E
  pΔi         remove all HTML tags from input, preserving content
 Υ   d=',H     slice from beginning until a member is a comma
ρ         ',E  replace said comma with the empty string  

ฉันมีอัปเดตนี้ในคอมพิวเตอร์ของฉัน ความผิดหวังของฉันคือฉันลืมปรับปรุงรหัสตามลำดับสำหรับล่าม ฉันไม่รู้สึกอยากถ่าย 100% บางทีทุกคนควรจัดรูปแบบส่วนหัวเหมือนกัน¯ \ _ (ツ) _ / ¯