正則表達(dá)式匹配解析過程探討分析(正則表達(dá)式匹配原理)

熱門標(biāo)簽：鄂州人工智能電銷機器人軟件 實用地圖標(biāo)注app css百度地圖標(biāo)注位置顯示 地圖標(biāo)注字母的軟件 地圖標(biāo)注商戶中心要收錢多少 400免費電話去哪申請 宿遷智能外呼系統(tǒng)供應(yīng)商 菏澤智能ai電銷機器人銷售公司 線上教育ai外呼系統(tǒng)

已經(jīng)有多篇關(guān)于正則表達(dá)式介紹的文章，隨著我們越來越多使用正則表達(dá)式，想對性能做優(yōu)化、減少我們正則表達(dá)式書寫匹配Bug。我們不得不進(jìn)一步深入了解正則表達(dá)式執(zhí)行過程了。下面我們一起學(xué)習(xí)，分析下正則表達(dá)式執(zhí)行過程。我們會用regexbuddy測試工具分解執(zhí)行過程，具體工具使用，可以看：正則表達(dá)式性能測試工具推薦、優(yōu)化工具推薦(regexbuddy推薦)。要了解正則表達(dá)式解析過程前，我們先來熟悉幾個概念。

常見正則表達(dá)式引擎
引擎決定了正則表達(dá)式匹配方法及內(nèi)部搜索過程，了解它至關(guān)重要的。目前主要流行引擎有：DFA,NFA兩種引擎，我們比較區(qū)分下。

引擎	區(qū)別點
DFA Deterministic finite automaton 確定型有窮自動機	DFA引擎它們不要求回溯（并因此它們永遠(yuǎn)不測試相同的字符兩次），所以匹配速度快！DFA引擎還可以匹配最長的可能的字符串。不過DFA引擎只包含有限的狀態(tài)，所以它不能匹配具有反向引用的模式，還不可以捕獲子表達(dá)式。代表性有：awk,egrep,flex,lex,MySQL,Procmail
NFA Non-deterministic finite automaton　非確定型有窮自動機，又分為傳統(tǒng)NFA,Posix NFA	傳統(tǒng)的NFA引擎運行所謂的“貪婪的”匹配回溯算法（longest-leftmost），以指定順序測試正則表達(dá)式的所有可能的擴展并接受第一個匹配項。傳統(tǒng)的NFA回溯可以訪問完全相同的狀態(tài)多次，在最壞情況下，它的執(zhí)行速度可能非常慢，但它支持子匹配。代表性有：GNU Emacs,Java,ergp,less,more,.NET語言, PCRE library,Perl,PHP,Python,Ruby,sed,vi等，一般高級語言都采用該模式。

DFA以字符串字符，逐個在正則表達(dá)式匹配查找，而NFA以正則表達(dá)式為主，在字符串中逐一查找。盡管速度慢，但是對操作者來說更簡單，因此應(yīng)用更廣泛！下面所有以NFA引擎舉例說明，解析過程！

解析引擎眼中的字符串組成
對于字符串“DEF”而言，包括D、E、F三個字符和 0、1、2、3 四個數(shù)字位置：0D1E2F3，對于正則表達(dá)式而言所有源字符串，都有字符和位置。正則表達(dá)式會從0號位置，逐個去匹配的。

占有字符和零寬度
正則表達(dá)式匹配過程中，如果子表達(dá)式匹配到的是字符內(nèi)容，而非位置，并被保存到最終的匹配結(jié)果中，那么就認(rèn)為這個子表達(dá)式是占有字符的；如果子表達(dá)式匹配的僅僅是位置，或者匹配的內(nèi)容并不保存到最終的匹配結(jié)果中，那么就認(rèn)為這個子表達(dá)式是零寬度的。占有字符是互斥的，零寬度是非互斥的。也就是一個字符，同一時間只能由一個子表達(dá)式匹配，而一個位置，卻可以同時由多個零寬度的子表達(dá)式匹配。常見零寬字符有：^，(?=)等

正則表達(dá)式匹配過程詳解實例
我們掌握了上面幾個概念，我們接下來分析下幾個常見的解析過程。結(jié)合使用軟件regexBuddy來分析。

Demo1: 源字符DEF,對應(yīng)標(biāo)記是：0D1E2F3，匹配正則表達(dá)式是：/DEF/

過程可以理解為：首先由正則表達(dá)式字符 /D/ 取得控制權(quán)，從位置0開始匹配，由 /D/ 來匹配“D”，匹配成功，控制權(quán)交給字符 /E/ ；由于“D”已被 /D/ 匹配，所以 /E/ 從位置1開始嘗試匹配，由 /E/ 來匹配“E”，匹配成功，控制權(quán)交給 /F/ ；由 /F/ 來匹配“F”，匹配成功。

Demo2:源字符DEF,對應(yīng)標(biāo)記是：0D1E2F3，匹配正則表達(dá)式是：/D\w+F/

過程可以理解為：首先由正則表達(dá)式字符 /D/ 取得控制權(quán)，從位置0開始匹配，由 /D/ 來匹配“D”，匹配成功，控制權(quán)交給字符 /\w+/ ；由于“D”已被 /D/ 匹配，所以 /\w+/ 從位置1開始嘗試匹配，\w+貪婪模式，會記錄一個備選狀態(tài)，默認(rèn)會匹配最長字符，直接匹配到EF，并且匹配成功，當(dāng)前位置3了。并且把控制權(quán)交給 /F/ ；由 /F/ 匹配失敗，\w+匹配會回溯一位，當(dāng)前位置變成2。并把控制權(quán)交個/F/，由/F/匹配字符F成功。因此\w+這里匹配E字符,匹配完成！

Demo3:源字符DEF,對應(yīng)標(biāo)記是：0D1E2F3，匹配正則表達(dá)式是：/^(?=D)[D-F]+$/

過程可以理解為：元字符 /^/ 和 /$/ 匹配的只是位置，順序環(huán)視 /(?=D)/ （匹配當(dāng)前位置，右邊是否有字符“D”字符出現(xiàn)）只進(jìn)行匹配，并不占有字符，也不將匹配的內(nèi)容保存到最終的匹配結(jié)果，所以都是零寬度的。 首先由元字符 /^/ 取得控制權(quán)，從位置0開始匹配， /^/ 匹配的就是開始位置“位置0”，匹配成功，控制權(quán)交給順序環(huán)視 /(?=D)/；/(?=D])/ 要求它所在位置右側(cè)必須是字母”D”才能匹配成功，零寬度的子表達(dá)式之間是不互斥的，即同一個位置可以同時由多個零寬度子表達(dá)式匹配，所以它也是從位置0嘗試進(jìn)行匹配，位置0的右側(cè)是字符“D”，符合要求，匹配成功，控制權(quán)交給 /[D-F]+/ ；因為 /(?=D)/ 只進(jìn)行匹配，并不將匹配到的內(nèi)容保存到最后結(jié)果，并且 /(?=D)/ 匹配成功的位置是位置0，所以 /[D-F]+/ 也是從位置0開始嘗試匹配的， /[D-F]+/ 首先嘗試匹配“D”，匹配成功，繼續(xù)嘗試匹配，直到匹配完”EF”，這時已經(jīng)匹配到位置3，位置3的右側(cè)已沒有字符，這時會把控制權(quán)交給 /$/，元字符 /$/ 從位置3開始嘗試匹配，它匹配的是結(jié)束位置，也就是“位置3”，匹配成功。此時正則表達(dá)式匹配完成，報告匹配成功。匹配結(jié)果為“DEF”，開始位置為0，結(jié)束位置為3。其中 /^/ 匹配位置0， /(?=D)/ 匹配位置0， /[D-F]+/ 匹配字符串“DEF”， /$/ 匹配位置3。

后記：上面這幾個例子，我們分析了正則表達(dá)式普通匹配，還有回溯過程，然后零寬度字符，匹配過程。當(dāng)然，給出的例子比較簡單，實際過程中會遇到更長，更復(fù)雜的正則表達(dá)式。但是，思想是類似的。只要我們把我解析原理，都可以逐一分解的。好了，就到這里，歡迎交流！