正则表达式学习笔记（二）表达式的匹配原理
表达式的匹配原理
一）正则引擎的分类
1.DFA(符合或者不符合POSIX标准的都属于此类)：电动机
2.传统NFA: 传统的汽油机
3.POSIX NFA:符合新标准的汽油机
二）两条规则
规则1:优先选择最左端的匹配结果
匹配先从需要查找的字符串的起始位置尝试匹配，即从第一个字符开始测试整个正则表达式，如果测试了所有
可能后仍然找不到结果，则从第二个字符开始测试，直到找到结果。
例如：
1.用'ORA'来匹配FLOARAL，从字符串左边开始的第一轮匹配会失败（因为ORA不能匹配FLO），同理
第二轮也会失败，第三轮成功。
2.用'cat'来匹配：
The dragging belly indicates that your cat is too fat.
匹配结果是indicates中的cat
3.用'fat|cat|belly|your'匹配2中的句子，结果是？
注意：锚点直接匹配位置。
规则2: 标准量词是匹配优先的
标准匹配量词：?,*,+,{min, max}
如果用这些量词来约束某个表达式，例如'(tang)*'中的'tang', 'a?'中的'a'，在匹配成功之前，进行尝试的次数是存在上限和下限的
规则2表明这些尝试总是希望获得最长的匹配。它们总是尝试匹配尽可能多的字符串，直到匹配上限为止。
例如：用'[0-9]+'匹配'TangJia19900326'能匹配字符串中的所有数字，这是因为1匹配成功之后，已经满足了匹配
成功的下限了，但此时正则表达式是匹配优先的，所以它会继续匹配完所有的数字。
过度的匹配优先：
'^.*([0-9](0-9))'匹配过程：由于标准量词优先原则，'.*'会直接匹配完整行，此时'([0-9][0-9])在尝试匹配时会失败，这样它就会强迫'.*'交出
一些字符供自己匹配，但这种‘强迫’是建立在不破坏'.*'匹配成功的条件之上的。
例如，用上述表达式匹配'about a 25 girl chen'，'.*'匹配整个字符穿后，第一个'[0-9]'的匹配要求'.*'释放一个字符'n',但这并不能让'[0-9]'
匹配，所以必须继续交还字符'e'，直到释放'5'。但不幸的是第一个'[0-9]'虽然匹配成功了，第二个'[0-9]'仍然不能匹配。为了匹配整个
正则表达式，此时必须释放'2'(给第一个匹配),第二个'[0-9]'开始匹配，并最后成功匹配到'5'。
思考：用'^.*([0-9]+)'来匹配'tang 2003' 括号会捕获到什么？
三）表达式主导和文本主导
NFA引擎：表达式主导
例如：用表达式'to(nite|knight|night)'匹配'...tonight...',表达式第一个元素是't',它将会重复尝试，
直到在目标字符串中找到't'，找到后再在目标字符串中查找'o',找到后会在目标元素中依次尝试'nite','knight',
'night'三种可能匹配成功。尝试'nite'的过程和之前一样，一个字符一个字符地依次尝试。
DFA引擎：文本主导
回溯（Backtracking）
基本原理----略。两个重要原则：
1.对于匹配优先量词，会进行尝试，对于忽略优先量词，会跳过尝试
2.后进先出
忽略优先量词
用'<B>.*?</B>'来匹配：
<B>Billions</B> and <B>Zillions</B> of suns......
开始匹配'<B>'之后，'.*?'首先决定不匹配任何字符，因为他是忽略优先的。
于是控制权交给后面的'<'符号，此时遇到了字符串中的B无法匹配，控制权
交还给'.*?',表达式便匹配到了B，因为是忽略优先的，控制权再次交给'<',
在重复数次后，最终匹配到： ‘<B>Billions</B>’
但如果我们用该表达式匹配： ‘<B>Billions<B> and <B>Zillions</B> of suns......’
就会匹配到：‘<B>Billions<B> and <B>Zillions</B’，这不是我们想要的结果
我们可以用否定环视解决这个问题：
固化分组：(?>......)
使用'(?>......)'的匹配与正常匹配的差别在于，如果匹配进行到结构结束后（也就是闭括号之后），结构体中的所有备用状态都将会被抛弃。
例子： '(\.\d\d(?>[1-9]?))\d+'在固化分组内，量词能够正常工作，如果'[1-9]'不能匹配，正则表达式则会返回'?'留下的备用状态。
然后脱离固化分组，继续前进到'\d+'。在这种状态下，当控制权离开固化分组时，没有备用状态需要放弃。
占有优先量词： ?+、 *+、 ++、 和{m,n}+
占有优先量词和匹配优先量词的差别：不交还已经匹配的字符。
环视中的回溯
略
多选结构也是匹配优先的吗？
1.对于大多数传统型NFA:按顺序匹配，前面的匹配成功就不尝试后面的。
2.少数DFA和POSIX NFA：匹配优先，尽可能匹配更多的字符。
四）NFA、DFA 和 POSIX
最左最长规则
NFA：按顺序来
DFA：匹配最长的
