正则表达式学习——(2)正则回溯

---

参考文章:

https://www.zhihu.com/question/48219401/answer/1476436385

https://www.jianshu.com/p/48dc319f68f3

https://www.cnblogs.com/chanshuyi/p/9197164.html

https://www.cnblogs.com/study-everyday/p/7426862.html

一、正则回溯是什么

首先，回溯是什么？

​ 回溯法是一种通用的计算机算法，用于查找某些计算问题的所有（或某些）解决方案，特别是约束满足问题，逐步构建候选解决方案，并在确定候选不可能时立即放弃候选（“回溯”）完成有效的解决方案。

​ 回溯法通常用最简单的递归方法来实现，在反复重复上述的步骤后可能出现两种情况：
​ 1.找到一个可能存在的正确的答案;

​ 2.在尝试了所有可能的分步方法后宣告该问题没有答案

这里借用参考文章里的例子，这里表现了/ab{1,3}bc/g这个正则表达式是怎么回溯地匹配abbc的：

1. 正则引擎先匹配 a。
2. 正则引擎尽可能多地(贪婪)匹配 b{1,3}中的 b。
3. 正则引擎去匹配 b，发现没 b 了，糟糕！赶紧回溯！
4. 返回 b{1,3}这一步，不能这么贪婪，少匹配个 b。
5. 正则引擎去匹配 b。
6. 正则引擎去匹配 c，完成匹配。

正则表达式使用的引擎实现是 NFA（这个我还没怎么看懂，先码一个） ，像 javaScript、java、php、python、c#等语言的正则引擎都是 NFA 型，这种正则表达式引擎在进行字符匹配时会发生回溯（backtracking）。而回溯的时间长短取决于回溯的次数和复杂度。在最坏的情况下，回溯法会导致一次复杂度为指数时间的计算，这就会导致 CPU 使用率高，响应缓慢，也就是回溯陷阱（Catastrophic Backtracking）。

二、怎么避免回溯陷阱？

正则表达式中有这么三种模式：贪婪模式、懒惰模式、独占模式。

• 单独使用 + ? * {min,max} 这几个特殊字符，那么就是贪婪模式。

• 如果在他们之后加多一个 ? 符号，那么原先的贪婪模式就会变成懒惰模式，即尽可能少地匹配。不过以懒惰匹配的方式去匹配文本，也不能避免回溯。例如正则/ab{1,3}?c/g去匹配abbc，不会发生回溯的正则，因为使用了惰性量词进行懒惰匹配后，反而产生了回溯惹。

• 如果在以上四种表达式后加上一个加号+，则会开启独占模式。同贪婪模式一样，独占模式一样会匹配最长。不过在独占模式下，正则表达式尽可能长地去匹配字符串，一旦匹配不成功就会结束匹配而不会回溯。例如正则/ab{1,3}+c/g去匹配abbc，在正则中的b和文本中的c进行匹配时，无法匹配也不进行回溯，这时候整个文本就无法和正则表达式发生匹配。

bc`，在正则中的b和文本中的c进行匹配时，无法匹配也不进行回溯，这时候整个文本就无法和正则表达式发生匹配。

如果一个过长字符串进行匹配，一旦发生回溯，计算量将是巨大的。我看网上参考文章因为正则NFA回溯这个特性，博主在测试环境没有发现问题，但是一到线上的时候就发生了 CPU 100% 的问题。然后采用了独占模式，CPU占用过高的问题才得到了解决。