11 | 如何理解正则的匹配原理以及优化原则？
该思维导图由 AI 生成，仅供参考
有穷状态自动机
正则的匹配过程
荧光笔
直线
曲线- 深入了解
- 翻译
- 解释
- 总结
本文深入介绍了正则表达式的匹配原理和优化原则。首先讲解了有穷状态自动机的概念，以及正则引擎中的DFA和NFA两种实现方式。详细讲解了正则的匹配过程，以及NFA和DFA引擎的工作机制的区别。文章还介绍了POSIX NFA与传统NFA的区别，以及它们在匹配过程中的特点。此外，提供了一些优化建议，如测试性能的方法、提前编译好正则、尽量准确表示匹配范围等。总的来说，本文内容丰富，适合想要深入了解正则表达式的读者。文章通过举例和实际应用，使读者能够更好地理解和应用正则表达式。
《正则表达式入门课》，新⼈⾸单¥59
全部留言(19)
- 最新
- 精选
奕看了一下这个匹配过程分为几步： 1: 拿到正则表达式的 开始符号 ^, 去匹配字符串的开始 2: 拿到正则的 (?=[a-z]) ，发现是一个环视，不进行看字符串 3: 解析环视中的 表达式为：[a-z]，和下一个字符串进行比较，发现找到了a符合要求 4: 继续取下一部分的正则为： [a-z0-9]+ ，和接下来的字符串进行比较，贪婪模式，匹配到字符串结尾 5: 取出正则的 $ 和字符串进行比较，判断是否是结尾作者回复: 没什么问题，环视只匹配位置，是零宽度的，区别就在于这儿。 元字符“^”和“$”匹配的只是位置，顺序环视“(?=[a-z])”只进行匹配，并不占有字符，也不将匹配的内容保存到最终的匹配结果，所以都是零宽度的。 匹配过程： 首先由元字符“^”取得控制权，从位置0开始匹配，“^”匹配的就是开始位置“位置0”，匹配成功，控制权交给顺序环视“(?=[a-z])”； “(?=[a-z])”要求它所在位置右侧必须是字母才能匹配成功，零宽度的子表达式之间是不互斥的，即同一个位置可以同时由多个零宽度子表达式匹配，所以它也是从位置0尝试进行匹配，位置0的右侧是字符“a”，符合要求，匹配成功，控制权交给“[a-z0-9]+”； 因为“(?=[a-z])”只进行匹配，并不将匹配到的内容保存到最后结果，并且“(?=[a-z])”匹配成功的位置是位置0，所以“[a-z0-9]+”也是从位置0开始尝试匹配的，“[a-z0-9]+”首先尝试匹配“a”，匹配成功，继续尝试匹配，可以成功匹配接下来的“1”和“2”，此时已经匹配到位置3，位置3的右侧已没有字符，这时会把控制权交给“$”； 元字符“$”从位置3开始尝试匹配，它匹配的是结束位置，也就是“位置3”，匹配成功。 此时正则表达式匹配完成，报告匹配成功。匹配结果为“a12”，开始位置为0，结束位置为3。其中“^”匹配位置0，“(?=[a-z])”匹配位置0，“[a-z0-9]+”匹配字符串“a12”，“$”匹配位置3。 可以参考 https://blog.csdn.net/lxcnn/article/details/4304651
2020-07-0813
Robot文本：a12 正则：^(?=[a-z])[a-z0-9]+$ 1、正则^先开始匹配到a12的开始位置 2、正则(?=[a-z])正向环视检查,开始位置之后的字符是否是a-z之一，匹配 3、正则[a-z0-9]+依次匹配a12,直到$匹配不上终止 4、回溯到$之前的位置，正则$开始匹配，匹配完成作者回复: 对的
2020-07-082
Bug? Feature!提前编译好正则，提取出公共部分，尽量准确地表示范围，必要时才使用子组等。作者回复: 对的
2020-10-231
Sola终于弄清楚为啥 环视又叫 「零宽度」了，就是想表达这个只是匹配位置，这里的「零宽度」 指的是不占用匹配宽度，匹配测试之后会退回到之前的位置。奇怪的命名增加了很多的理解成本作者回复: :-D
2020-10-111- ReginaDFN引擎匹配那，为什么是shixi被淘汰而不是shijian text: we study on jikeshixi app ^ regex: jike(zhushou|shijian|shixi) ^ ^ 符合 淘汰
作者回复: 感谢指出，这里DFA部分，文本应该是 we study on jikeshijian app
2020-07-211 - 奕NFA 通过构造特定扩展，支持子组和反向引用 ----------------------------- 这里的扩展是什么意思？ 指什么
作者回复: 你可以理解成NFA可以把匹配到的内容记下来，“扩展”可以理解成做了一些额外的工作。 原理部分最主要的是理解DFA的“文本主导”，NFA“正则主导”以及回溯相关的内容。
2020-07-081 
洪涛你可以理解成 a(bb)+a 在匹配了字符 abb 之后，到底在 s3 状态，还是在 s1 状态，这是不确定的。这句话还是没懂。。麻烦解释下作者回复: 就是bb重复多次的时候，状态机s3流转到s1不需要额外条件，“根据需要”去选择，具体是哪个，是不确定的
2021-11-14
charming-kamly请教一下， 确定和非确定应该怎么理解？作者回复: 文中有解释。 在状态 s3 时，不需要输入任何字符，状态也有可能转换成 s1。你可以理解成 a(bb)+a 在匹配了字符 abb 之后，到底在 s3 状态，还是在 s1 状态，这是不确定的。这种状态机就是非确定性有穷状态自动机（Non-deterministic finite automaton 简称 NFA）。
2021-03-21
吴小智NFA 有 ε 的状态转移，但是 DFA 没有。作者回复: NFA功能要多一些，复杂一些。 DFA简单，速度快
2020-07-24
简简单单[^"] : 在中括号中表示 非双引号的所有字符吗? ^" : 在非中括号中表示 必须是行头, 且行头右侧第一个字符必须是个双引号吗 ?作者回复: 对的，理解正确，在正则开头 和 在中括号里面第一个位置是含义不一样
2020-07-22