元字符
![b058b13a4b5f8062f236fa5df9477404.png](https://i-blog.csdnimg.cn/blog_migrate/fefb3b5b8db47d031d7ecdcf8843e260.jpeg)
- 正则表达式使用一些特定的元字符来检索、匹配和替换符合规则的字符串
- 元字符:普通字符、标准字符、限定字符(量词)、定位字符(边界字符)
正则表达式引擎
- 正则表达式是一个用正则符号写出来的公式
- 程序对正则表达式进行语法分析,建立语法分析树
- 再根据语法分析树结合正则表达式引擎生成执行程序(状态机),用于字符匹配
- 正则表达式引擎是一套核心算法,用于建立状态机
- 小结
- 正则表达式 => 语法分析树
- 语法分析树 + 正则表达引擎 => 状态机 => 用于字符匹配
- 目前实现正则表达式引擎的方式有两种
- DFA自动机(Deterministic Finite Automaton,确定有限状态自动机)
- NFA自动机(Nondeterministic Finite Automaton,非确定有限状态自动机)
- DFA自动机的构造代价远大于NFA自动机,但DFA自动机的执行效率高于NFA自动机
- 假设一个字符串的长度为n,如果采用DFA自动机作为正则表达式引擎,则匹配的时间复杂度为O(n)
- 如果采用NFA自动机作为正则表达式引擎,NFA自动机在匹配过程中存在大量的分支和回溯,假设NFA的状态数为s,
- 则匹配的时间复杂度为O(ns)
- NFA自动机的优势是支持更多高级功能,但都是基于子表达式独立进行匹配
- 因此在编程语言里,使用的正则表达式库都是基于NFA自动机实现的
NFA自动机
匹配过程
- NFA自动机会读取正则表达式的每一个字符,拿去和目标字符串匹配
- 匹配成功则换正则表达式的下一个字符,反之就继续就和目标字符串的下一个字符进行匹配
text="aabcab"regex="bc"
![cae9bc3c4ba24ad5d5b998e3b4debd59.png](https://i-blog.csdnimg.cn/blog_migrate/649dbb6f03f5a6778cb8886ce6b99955.jpeg)
回溯
- 用NFA自动机实现的比较复杂的正则表达式,在匹配过程中经常会引起回溯问题
- 大量的回溯会长时间占用CPU,从而带来系统性能开销
text="abbc"regex="ab{1,3}c"
读取正则表达式第一个匹配符a和字符串第一个字符a进行比较,a对a,匹配
![c4e8de211f2eabc4f1dd0c1e8d57a725.png](https://i-blog.csdnimg.cn/blog_migrate/acb239a115348b4e36eccc93b6d98161.jpeg)
读取正则表达式第二个匹配符b{1,3}和字符串的第二个字符b进行比较,匹配,但b{1,3}表示1~3个字符,而NFA自动机具有贪婪特性,所以不会读取正则表达式的下一个匹配符c
![4e19de41cfb81c03f2a1285f39fbd15f.png](https://i-blog.csdnimg.cn/blog_migrate/54c19bb10cbeeadb071442527b4a7d7f.jpeg)
使用b{1,3}和字符串的第四个字符c进行比较,发现不匹配,此时就会发生回溯,已经读取的字符串第四个字符c将被吐出去,指针回到第三个字符b的位置
![a68b2ca18a151119b99f7162a41f6ea8.png](https://i-blog.csdnimg.cn/blog_migrate/1e8367fb96a329b4208df98e260dad21.jpeg)
发生回溯后,读取正则表达式的下一个匹配符c,和字符串的第四个字符c进行比较,结果匹配
![343258c7524b585e3ab8d1fc73eda667.png](https://i-blog.csdnimg.cn/blog_migrate/06ae5a9ce9a6954632f6c18948750195.jpeg)
避免回溯
避免回溯的方法:使用懒惰模式和独占模式
贪婪模式(Greedy)
- 在数量匹配中,如果单独使用+、?、*、{min,max}等量词,正则表达式会匹配尽可能多的内容
- text="abbc" , regex="ab{1,3}c",发生了一次匹配失败,就会引起一次回溯
- text="abbbc" , regex="ab{1,3}c",匹配成功
懒惰模式(Reluctant)
- 在懒惰模式下,正则表达式会尽可能少地重复匹配字符,如果匹配成功,会继续匹配剩余的字符串
- 使用?开启懒惰模式,text="abc" , regex="ab{1,3}?c"
- 匹配结果是"abc",在该模式下NFA自动机首先选择最小的匹配范围,即匹配1个b字符,避免了回溯问题
独占模式(Possessive)
- 和贪婪模式一样,独占模式一样会最大限度地匹配更多内容,但在匹配失败时会结束匹配,不会发生回溯问题
- 使用+开启懒惰模式,text="abbc" , regex="ab{1,3}+bc"
- 结果是不匹配,结束匹配,不会发生回溯问题
代码
match("ab{1,3}c