04-正则引擎内部初探

理解正则引擎的内部原理将帮助你写出更高效的表达式，并且帮助你快速调试正则表达式中的异常。

在接下去的每一个章节中我们介绍一个新的正则特性，之后我们会解释引擎处理这个特性的详细过程。理解这些原理之后，我们便可以脱离正则可视化工具快速编写正则表达式。虽然理解引擎的原理有些难度，但是它可以帮助我们避免一些常见的错误。

在了解了这些基础知识之后，我们会介绍许多有意思的应用实例，你可以快速的把这些例子应用到你的项目中去。

4.1 引擎的分类

虽然正则引擎有很多种不同的实现，但是大体可以分为两类：文本驱动的引擎（text-directed）和正则驱动的引擎（regex-directed）。几乎所有的现代正则引擎都采用正则驱动引擎，这是因为一些非常有用的特性只能在这种引擎上实现，例如lazy quantifiers和backreferences

4.1.1 正则驱动的引擎（regex-directed engine）

一个正则表达式引擎通过遍历正则表达式完成匹配，它尝试将表达式中的下一个token和字符串中的下一个字符进行匹配。如果当前token可以匹配成功，那么引擎将移动至下一个token，并且把这个token和字符串中的下一个字符进行匹配。如果匹配失败，那么正则引擎会在正则和字符串中进行回溯，并且重新进行路径搜索。关于正则的回溯之后的章节会详细展开。

4.1.2 文本驱动的引擎（text-directed engine）

一个文本驱动的引擎通过遍历文本完成匹配。在匹配下一个字符之前，他会尝试表达式中的所有排列。一个文本驱动的引擎没有回溯过程，所以他的匹配过程相对简单。在大多数情况下两种引擎的匹配结果是相同的。

本教程主要讨论正则驱动的引擎，所以默认情况下我们提到的引擎都是正则驱动引擎，除非两种引擎的匹配结果不一致。只有当我们使用选择符，并且两个选项匹配到同一个位置时才会发生这种情况。

4.2 正则表达式总是匹配最左端的匹配结果

正则表达式总是匹配最左端的匹配结果，无论后面是否有更好的匹配结果，这是一个非常重要的特性。当正则引擎匹配一个字符串的时候，它将从字符串的最左边开始搜索。引擎将正则中所有的排列与字符串的第一个字符相匹配。如果有一种排列匹配成功，引擎将继续匹配字符串中的下一个字符。下一步引擎将字符串中的下一个字符与正则中的所有排列进行匹配。最终引擎将返回最靠左的匹配结果。

现在我们来举一个例子。我们使用表达式 cat 去匹配字符串 He captured a catfish for his cat 。首先引擎使用 c 去匹配字符串中第一个字符 H ，此时匹配不成功而且没有其他的排列（因为c只包含一个字面量字符）。之后引擎匹配token c 和字符 e ，同样也失败了，后面的空格也是如此。当引擎尝试匹配第四个字符的时候token c 匹配 c 成功了，所以引擎继续把第二个token a 与字符串中第5个字符 a 匹配，匹配也成功了。但是第三个token t 不能和第六个字符 p 匹配。此时引擎已经知道表达式无法和字符串中的前四个字符匹配，因此引擎将重新把第一个token c 和第5个字符 p 进行匹配，直到第15个字符时 c 才匹配成功，接下来 a 和 t 也匹配成功。

此时这个正则可以从字符串的第15个字符开始匹配成功，于是引擎非常“急切”的报告匹配成功。引擎不会继续向后搜索（即使后面会出现更好的匹配结果），因为它认为这个结果已经足够好了。

在这个例子当中两种正则引擎的搜索结果是相同的。正则的这种工作模式很大程度上决定了它的匹配结果，在之后例子中有一些匹配结果可能使你感到意外，但是只要你牢记这个搜索规则，你就可以用逻辑推导引擎的匹配结果。

预告

下一期我们会学习字符集。字符集以及字符集取反的作用非常强大，同时也很容易被人忽视。

如果文章出现错误，请给我提Issues - -
Github地址

原文