正则表达式学习：引擎

引擎

目录

• 引擎
• 区分
• 普适规则
• DFA与NFA
  • NFA 表达式主导
  • DFA 文本主导
• 传统NFA优化
  • 优化1：合理安排次序，减少回溯次数
    • 实例 匹配含转义的字符串
    • 正则表达式
    • 优化
  • 优化2：将文本独立出来
  • 优化3：将锚点独立出来
  • 优化4：模拟开头字符识别
  • 优化5：使用固化分组和占有优先量词
  • 优化6：消除循环
    • 方法一：依据经验
      • 例子
      • 正则表达式
      • 模式
      • 消除循环
      • 避免无休止匹配的重点

• DFA
• 传统NFA
• POSIX NFA

区分

1. 传统型NFA支持忽略优先量词
2. DFA不支持捕获型括号和回溯

普适规则

1. 优先选择最左端的匹配结果
2. 标准的匹配量词是匹配优先的

DFA与NFA

NFA 表达式主导

DFA 文本主导

• DFA匹配迅速

• DFA匹配很一致

• 最左最长规则

传统NFA优化

优化1：合理安排次序，减少回溯次数

“|“多选结构按序排列，合理安排次序，减少回溯次数。将最有可能匹配的分支放在最前面，可以减少NFA引擎的回溯次数。

实例 匹配含转义的字符串

"2\"x3\" likeness"

正则表达式

"(\\.|[^"\\])*"

优化

"([^"\\]|\\.)*"

优化2：将文本独立出来

引擎可能优化文字文本。

x+  ---> xx*
-{5,7} ---> ------{0, 2}
(?:this|that)  ---> th(?:is|at)

优化3：将锚点独立出来

引擎可能优化锚点。

^abc|^123 ---> ^(?:abc|123)
(^abc)    ---> ^(abc)
abc$|123$ ---> (?:abc|123)$

优化4：模拟开头字符识别

[JFMASOND](?:(?<=J)an|(?<=F)eb|...|(?<=D)ec)

优化5：使用固化分组和占有优先量词

^[^:]+:  ---> ^(?>[^:]+):   or    ^[^:]++:

优化6：消除循环

(this|that|...)*   ---> * 代表的意义

方法一：依据经验

例子

"he said \"hi there\" and left"

正则表达式

"[^\\"]+\\.[^\\"]+\\.[^\\"]+"
"[^\\"]*(\\.[^\\"]*)*"

模式

normal+(special normal+)*

消除循环

opening normal* (special normal*)* closing

避免无休止匹配的重点

1. special部分和normal部分匹配的开头不能重合
2. normal部分至少匹配一个字符
3. special部分必须固化