如何使用正则表达式 (glob) 搜索文件树

Posted 2023-03-31

【中文标题】如何使用正则表达式 (glob) 搜索文件树

【英文标题】：How to use a regular expression (glob) to search a file tree

【发布时间】：2010-10-09 21:26:17

【问题描述】：

如何调整搜索树以处理有限的正则表达式？

给定一个文件名，我需要找到与该文件名匹配的所有节点。节点可能包含通常的文件名 glob（* 和？）。由于这是一棵搜索树，因此速度至关重要。

我应该补充一点，速度最重要的情况是排除匹配的平均时间。在大多数情况下，匹配会失败。

如果树包含以下节点：

foo, bar, foo*, *bar, foo?bar 

搜索“foo”将返回节点 1 和 3。 搜索“bar”将返回节点 2 和 4。 搜索“fob”不会返回任何节点。 搜索“fooxbar”将返回节点 5。 搜索“foobar”将返回节点 3 和 4。

【问题讨论】：

这是（正则表达式的）反向问题：匹配字符串是否属于正则语言？

你能给我们一个样本 i/o 吗？

一个例子：假设树包含以下节点：foo, bar, foo*, *bar, foo?bar 给定任何字符串（例如 foo, foobar, fooxbar, fob 等），快速找到与该字符串匹配的节点（如果有）。

您应该将示例添加到问题中，而不是评论中。此外，尽可能清晰有助于回答者。

我已经使用了一些实现来做到这一点，基于 AC 和 DFA 和 NFA。

【参考方案1】：

Aho-Corasick 搜索树可以满足要求。 “Tries”是一篇关于这类事情的非常好的文章，以及 Evolution 中用于替换正则表达式搜索的 Etrie 实现。

要进行整个字符串匹配，您可以添加开始和结束锚状态。如果扫描多行数据，您可以在开头和结尾添加换行符。您还可以删除为部分匹配添加交叉链接的部分，以开始不同的匹配。这也允许更快的排除。

另一种检查字符串集中成员资格的算法是CritBit。这没有正则表达式，但它很简单并且可以测试完整的字符串。

【讨论】：

这看起来很有希望，尽管我想匹配整个输入字符串，而不是其中的子字符串。我会阅读链接并确认它符合要求。

您可以添加一个新的前线锚，或者如果扫描多行干草堆并将行结束添加到针的前面。例如“\n搜索字符串”。