佳木斯湛栽影视文化发展公司

主頁 > 知識庫 > 正則表達式匹配解析過程探討分析(正則表達式匹配原理)

正則表達式匹配解析過程探討分析(正則表達式匹配原理)

熱門標(biāo)簽:阿里云 Mysql連接數(shù)設(shè)置 Linux服務(wù)器 團購網(wǎng)站 電子圍欄 服務(wù)器配置 銀行業(yè)務(wù) 科大訊飛語音識別系統(tǒng)

已經(jīng)有多篇關(guān)于正則表達式介紹的文章,隨著我們越來越多使用正則表達式,想對性能做優(yōu)化、減少我們正則表達式書寫匹配Bug。我們不得不進一步深入了解正則表達式執(zhí)行過程了。下面我們一起學(xué)習(xí),分析下正則表達式執(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)。要了解正則表達式解析過程前,我們先來熟悉幾個概念。

常見正則表達式引擎
引擎決定了正則表達式匹配方法及內(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,逐個在正則表達式匹配查找,而NFA以正則表達式為主,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,對于正則表達式而言所有源字符串,都有字符和位置。正則表達式會從0號位置,逐個去匹配的。

占有字符和零寬度
正則表達式匹配過程中,如果子表達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)為這個子表達式是占有字符的;如果子表達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式匹配,而一個位置,卻可以同時由多個零寬度的子表達式匹配。常見零寬字符有:^,(?=)等

正則表達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,匹配正則表達式是:/DEF/

過程可以理解為:首先由正則表達式字符 /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,匹配正則表達式是:/D\w+F/

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

標(biāo)簽:衢州 廣元 大理 萍鄉(xiāng) 衡水 棗莊 蚌埠 江蘇

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《正則表達式匹配解析過程探討分析(正則表達式匹配原理)》,本文關(guān)鍵詞  ;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問題,煩請?zhí)峁┫嚓P(guān)信息告之我們,我們將及時溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無關(guān)。
  • 相關(guān)文章
  • 收縮
    • 微信客服
    • 微信二維碼
    • 電話咨詢

    • 400-1100-266
    瑞昌市| 那曲县| 长子县| 广昌县| 六安市| 米脂县| 阳信县| 鄂尔多斯市| 桐城市| 晋宁县| 哈尔滨市| 罗平县| 交城县| 建宁县| 绥德县| 偏关县| 福清市| 浦北县| 山西省| 图片| 论坛| 正镶白旗| 平定县| 和林格尔县| 莱阳市| 清水河县| 西吉县| 湘潭县| 依兰县| 台中市| 揭西县| 庄河市| 攀枝花市| 岳池县| 探索| 马龙县| 建昌县| 会昌县| 项城市| 桃江县| 从江县|