NFA与DFA

正则表达式匹配，包含两个东西，一个是表达式，一个文本。

NFA(Nondeterministic Finite Automaton)，不确定有穷自动机，表达式主导，NFA去吃文本，贪婪算法吃下去，如果因为前面吃得太多，导致后面没的吃（后面匹配失败），前面吃的要吐出一点，后面还匹配不成功，前面再吐出一点。。。

 

DFA(Deterministic Finite Automaton)，确定有穷自动机，文本主导，DFA去找吃货，去掉不能吃的吃货，找到最合适的吃货。

 

举例来说：.*[0-9]+， 去匹配 hangzhou 2015，从程序的角度来看，[0-9]+ 是死代码，因为.*是大范围，[0-9]+是小范围，按道理永远不会被匹配到。

实际的匹配流程是：

.*一直吃到5，然后发现坏了，吃太多了，导致[0-9]+没法匹配，于是吐出5，这样就导致[0-9]+匹配成功，也就是说，.*匹配hangzhou 201，[0-9]+匹配5，显然，这不是好的匹配结果，好的匹配结果应该是，.*匹配hangzhou ，[0-9]+匹配2015，但是NFA不管，我只要匹配成功就好了，才不管你是不是最优匹配呢。

如何解决上面的问题呢？

因为量词是优先匹配的，也就是尽量多吃，解决办法是忽略优先量词，也就是尽量少吃，使用 (.*?)([09]+)，匹配结果就是 .*?匹配hangzhou ，[0-9]+匹配2015，

 

考虑下面的问题，notepad搜索关键字，如果一行多次出现，搜索结果就会重复列出对应的行，如何解决？

使用正则表达式 如下：^(.*abc.*)+$, 仔细思考，可以去掉+，使用^(.*abc.*)$, 前面的.*尽量多吃，abc 匹配最后一行中的最后一个abc，由于notepad 本来就是按行，列出结果的，可以直接写成 .*abc