Regex的匹配原理

-- Start

雖然支援Regex的工具有很多，但在這些工具的背後都是使用以下兩種引擎之一來解析字串。不同的引擎支援的元字元及工作原理是不同的，下面我們看看它們的工作原理。

非確定型有窮自動機(NFA)：運算式主導

我們用運算式 reg(ress|ular) 匹配文本 I love regular expressions，NFA 引擎從運算式 r 開始，檢查當前運算式 r 是否和當前文本 I 匹配，如果不匹配，指標向後移一位，當前文本變為空白格，再次檢查當前運算式與當前文本是否匹配，如此反覆嘗試。如果指標移動到文本末尾時，仍然無法匹配，則報告匹配失敗。如果像本例這樣遇到多選分支該怎麼辦呢？引擎會在分支開始前儲存當前指標的位置，然後依次嘗試每一個分支，如果分支沒有匹配成功，則指標首先回退到最近的儲存位置(我們把這一過程稱為回溯)，然後嘗試下一個分支，如果某一個分支匹配成功，則剩餘的分支將不再嘗試。所以有時候分支的順序特別重要。Never
ever 不要寫出類似下面的運算式。

\d*|\w         此運算式的第二個分支永遠也得不到嘗試的機會，因為第一個分支總是能夠匹配成功，考慮調換分支順序

love|love regular  如果第一個分支能夠匹配，那麼第二個分支將得不到嘗試的機會；如果第一個分支不能匹配，第二個分支也肯定不能匹配。考慮調換分支順序

如果用 exp|reg|lov 來匹配上面的文本 I love regular expressions，會得到什麼結果呢？如果你知道了答案，說明你看懂了上面的原理。

確定型有窮自動機(DFA)：文本主導

我們用運算式 love|love regular 匹配文本 I love regular expressions，DFA 引擎會記錄當前所有可能的匹配，隨著指標向右移動，不能匹配的分支被淘汰出局，最後只剩下唯一的分支。本例中匹配的是love regular，顯然匹配的結果和分支的順序沒有任何關係，無論分支的順序如何，結果總是能夠匹配的分支中最長的那一個。由此可知，對於同樣的運算式love|love
regular，NFA 和DFA引擎會得到不同的結果，事實上，我們可以通過這個運算式來判斷引擎的類型。

對於目標文本的每一個字元，DFA 引擎最多隻檢查一遍，而 NFA 則有可能需要回溯。顯然 DFA 要更快一些，但是 DFA 也有致命傷，它不支援非貪婪量詞和捕獲型括弧。所以目前大部分工具都是使用 NFA 作為正則引擎。

由於 NFA 具有運算式主導的特性，通過改變運算式的編寫方式，我們可以對錶達式進行多方面的控制，一個好的運算式能給我們帶來很多收益，一個差的運算式將嚴重影響效能，甚至是記憶體溢出，而它們之間的差別就在一念之間。

測試引擎的類型

• 方法一：是否支援非貪婪量詞，捕獲型括弧和回溯，如果是，則是 NFA。
• 方法二：用運算式 love|love regular 匹配字串love regular，如果匹配了love，那就是 NFA。
• 方法三：用運算式 X(.+)+X 匹配字串=XX===============================，如果時間很長或記憶體溢出，則是 NFA。

--更多參見：Regex精萃
-- 聲 明：轉載請註明出處
-- Last Updated on 2012-05-26
-- Written by ShangBo on 2012-05-21
-- End