如何用Prolog基础DCG实现正则式风格的子串捕获并生成字符串？

正则表达式可轻松捕获子串，比如字符串"Jaco was an American bassist"匹配PCRE2语法的正则表达式：

(?sm)^([Jj]aco).+(was|is).+?(American|famous).+(dancer|bassist|singer|programmer|dueller)

能捕获到Jaco、was、American、bassist这几个子串。

现有一个DCG可以匹配该字符串，还能生成所有可能的字符串变体，但无法捕获指定子串：

jaco_bassist --> ("J" ; "j"), "aco", space, ("was" ; "is"), space, ("a" ; "an"), space,
                   ("American" ; "famous"), space,
                   ("dancer" ; "bassist" ; "singer" ; "programmer" ; "dueller").
space --> " ".

需要基于Prolog基础DCG（如B-Prolog支持的）实现和正则表达式一致的子串捕获功能，同时保留生成所有可能字符串的能力。用member/2枚举选项的方法在简单场景下可行，但面对复杂结构（比如有48种拼写变体的姓氏kjellerstrand）就存在局限：

kjellerstrand --> "k", ("je" ; "ä"), "ll", ("" ; "er" ; "ar"), 
                  ("st" ; "b"), ("" ; "r"), "a", (""; "n"), "d".

实现方案 #

1. 核心思路：给DCG添加捕获参数 #

利用DCG的额外参数传递捕获结果，封装专门的capture/2规则，既保留原有匹配/生成逻辑，又能提取目标子串。

% 捕获规则：匹配目标规则Goal，将匹配到的字符串联成Capture原子
capture(Goal, Capture) -->
    call_dcg(Goal, Chars),
    { atom_chars(Capture, Chars) }.

% 适配B-Prolog的DCG调用逻辑，将规则转换为字符列表
call_dcg(Goal, Chars) -->
    Goal,
    { phrase(Goal, Chars) }.

% 改造后的jaco_bassist，返回4个捕获项
jaco_bassist(C1, C2, C3, C4) -->
    capture(("J" ; "j") ++ "aco", C1),  % 捕获名字部分
    space,
    capture(("was" ; "is"), C2),        % 捕获系动词
    space,
    ("a" ; "an"), space,
    capture(("American" ; "famous"), C3), % 捕获形容词
    space,
    capture(("dancer" ; "bassist" ; "singer" ; "programmer" ; "dueller"), C4). % 捕获职业

space --> " ".

2. 处理复杂分支结构（如kjellerstrand） #

无需拆解原有复杂规则，直接用capture/2包装即可自动捕获所有拼写变体：

% 捕获kjellerstrand的所有拼写形式
capture_kjellerstrand(Capture) -->
    capture(kjellerstrand, Capture).

% 保留原有复杂规则不变
kjellerstrand --> "k", ("je" ; "ä"), "ll", ("" ; "er" ; "ar"), 
                  ("st" ; "b"), ("" ; "r"), "a", (""; "n"), "d".

3. 功能验证 #

• 匹配与捕获：输入字符串时，直接返回对应捕获项：

  ?- phrase(jaco_bassist(C1,C2,C3,C4), "Jaco was an American bassist").
  C1 = "Jaco", C2 = "was", C3 = "American", C4 = "bassist".
  

• 生成所有变体：枚举所有可能的字符串组合，同时得到对应捕获项：

  ?- phrase(jaco_bassist(C1,C2,C3,C4), String), atom_chars(Str, String).
  % 输出示例：
  Str = "Jaco was a famous dancer", C1 = "Jaco", C2 = "was", C3 = "famous", C4 = "dancer" ;
  Str = "jaco is an American bassist", C1 = "jaco", C2 = "is", C3 = "American", C4 = "bassist" ;
  % ... 所有其他组合变体
  

方案优势 #

• 完全基于基础DCG语法，适配B-Prolog环境；
• 保留DCG原生的生成能力，不会因添加捕获功能丢失枚举变体特性；
• 对复杂分支结构友好，无需修改原有规则逻辑，仅需包装capture规则即可。

内容的提问来源于stack exchange，提问作者hakank