正则表达式

Posted 2021-05-02 编程101

小编說

大家好，这是我们这个系列的最后一章，让我们开始吧！

大家好，在这一章中，我们接着上一章，继续来讲正则表达式的引擎。上一章中我们提到了DFA引擎中使用的目标串导向匹配，我们下面来讲NFA引擎中使用的模式导向匹配。

模式导向：

与目标串导向中一样，模式导向中，引擎也会花费一定的时间来预先编译模式，但是花费的时间比目标串导向花费的时间要少，而且得到的结果也和目标串导向引擎编译得到的结果一样，模式导向下的引擎编译仅仅得到了一个迷你程序，供之后的匹配和可能的回溯使用。

之后，在尝试匹配某个目标串的时候，引擎首先查看模式串的第一个元字符，如果匹配目标串的第一个字符，那么就进行下一个字符的匹配；如果不匹配，则从目标串的第二个字符开始，来匹配模式串的第一个元字符。与目标串导向匹配不同，在目标串导向匹配中，主角是目标串，通过移动目标串字符，看到是否在模式串中存在可能的匹配；而在这里，主角是模式串，通过一个接一个地比较元字符与目标串字符，确定是否匹配成功。所以这也是为什么一个叫模式串导向而另一个叫目标串导向。

那么这个时候可能就有同学有疑问了，如果我们是以模式串为导向，那么遇到在模式串中出现了’*’,’+’,’?’,’{min,max}’等元字符怎么办？这个时候它们是匹配一个目标串字符，还是两个还是多个呢？这是一个好问题，这就是我们马上会涉及到的，模式导向里面的回溯问题。

回溯，简单来说，就是在模式串导向匹配的时候，遇到有贪婪匹配属性的元字符——等等，你说你忘记了什么是贪婪匹配？别急，先回去看看之前的章节——我们先让它充分的发挥‘吃货’的属性，尽可能的多匹配目标串字符，只不过，在每次多吃入一个目标串字符的时候，引擎会建立一个回溯点，也可以理解为存档，以便之后在有需要的时候元字符把吃进去的目标串字符吐出来——吃了吐，就是这么个意思。

我们还是来看个例子吧。用’H(.*)lo’来匹配’Hello‘。

刚刚开始的时候，一切都很平常，首字符’H’匹配成功，开始比较第二个元字符。

这个时候，好玩儿的事情发生了，因为(.*)明显具有吃货属性，所以它吃完了所有的目标串字符，只不过，每吃下一个目标串字符的时候，有个回溯点被建立。

这儿建立了四个回溯点，因为(.*)已经吃完了所有的目标串字符，所以这个吃货也被满足了，引擎接着往下匹配剩余的模式。接着下来是一个’l’，因为这个时候目标串已经什么都不剩了，所以’l’没办法匹配，匹配失败。那么这个时候是否引擎就宣布该模式串匹配不了目标串呢？其实也不是，因为还有回溯点，还有存档嘛，大不了引擎就读档再试试呗，记住，模式导向的匹配，只有在所有读档都尝试过，并且都失败的情况下，引擎才会宣布整个匹配失败。让我们读档试试，第一个档，即回溯点在’o’这里。

明显，’l’和’o’匹配不上，我们继续读下一个档。

这次看来似乎可行了，’l’与’l’匹配，但是很不幸，下一个模式串字符是’l’而下一个目标串字符是’o’，这个匹配也失败了，继续读下一个档。

完美！这次剩余的模式串字符和目标串字符完美匹配了，这时引擎宣布匹配成功！从这个例子大家可以看到回溯的工作机制。同时也希望大家明白，为什么目标串导向匹配的DFA工作效率一般比模式导向匹配的NFA要高，因为DFA没有回溯机制。不会频繁的读档再尝试。

回溯不仅会发生在贪婪匹配属性的元字符中，也会发生在选择匹配符中。还记得上一章讲过的判断NFA还是DFA引擎的办法吗？用(Hello|Hello World)选择匹配符匹配目标串’Hello World’。因为DFA是目标串导向，总是能返回最长的匹配，所以DFA会匹配整个目标串，这些我们已经讲过了。我们现在把这个例子的剩下一半讲完，说说为什么NFA会返回Hello部分。

在匹配开始的时候，遇到了选择匹配符，引擎从第一个选择开始尝试匹配，同时在其他选择分支建立回溯点，如果第一个选择成功匹配，就选择它不再尝试其他回溯点。

所以我们可知，这个匹配仅仅会匹配目标串中的’Hello’部分。反之如果选择匹配符是(HelloWorld|Hello)，那么整个目标串都会被匹配。在模式导向中，选择匹配符有First Come, First Serve的性质，我们在使用这种引擎的时候一定要注意。

结语：

这是小编第一次写技术性短文，文笔颇有欠缺，所有坚持看到最后的同学，小编对你们说声感谢，敬请期待下一个系列！