正则表达式Q&A

Posted 2022-12-02 demystify

正则表达式-思维导图：

http://naotu.baidu.com/file/2a60a5628a9b526a512e2fcc86986861

1、针对NFA引擎，用[0-9]+来匹配a 1234 num , 最终的匹配结果是什么？引擎会保存几个备选状态？如果用[0-9]*来匹配a 1234 num，最终的匹配结果是什么？有几个备选状态？会不会在1处保存备选状态？

      +号要求匹配一次或多次，因此引擎会在查询到1、2、3、4时分别保存一个备选状态，匹配n时失败，返回到最近的备用状态4的位置，所以匹配结果时1234，保存有四个备选状态；

      *号要求匹配零次或多次，因此引擎会在a的位置报告匹配成功，引擎停止，最终的匹配结果是a, 因为没有继续往后前进，所以没有备选状态。

2、针对NFA引擎，用 ^.*([0-9][0-9]) 匹配 CA 95472 USA 的结果是什么？过程是怎样的？

     .*成功匹配到字符串的结尾，同时保存许多备用状态，这时尝试匹配[0-9],显然结尾字符A不满足匹配，所以会从选择最近的备选状态来进行尝试，匹配字符S, 依次回溯执行上述过程直到遇到字符2，第一个[0-9]匹配成功，引擎开始在此位置尝试匹配第二个[0-9],匹配失败，继续回溯到7之前，这时两个[0-9]都能匹配，停止回溯，返回匹配成功的结果：CA 95572, $1得到的是72。

3、针对NFA引擎，用忽略优先的正则<B>.*?</B>来匹配 <B>Billions</B> and <B>Zillions</B> of suns的过程是怎样的？

     开始匹配到<B>之后，.*?首先决定不需要匹配任何字符，将控制权交给表达式中后面的<，从字符串中匹配<失败，所以控制权又回到.*?, 这时先用.号匹配<B>之后的B, 此时*？又必须选择，是继续尝试匹配，还是忽略？因为是忽略优先的，所以会首先选择忽略，控制权交给之后的<, <仍然无法在字符串中匹配，控制权继续回到.*?, .号再匹配一个字符后继续选择忽略，重复上述过程，知道</B>匹配成功。