正则表达式的回溯

正则表达式的回溯

总的来说，就是使用正则表达式时，因为其性能是不稳定的，当使用不恰当时，容易引发性能问题。
因为正则表达式会有回溯问题，当匹配的是一串很长的字符串时，如果发生回溯，其计算量就将会是非常的巨大，这就是性能差的主要原因。
什么是回溯呢，就比如匹配字符串“abbc”，正则表达式为/ab{1,3}c/，因为默认是贪婪模式，
所以会尽量匹配多一点内容，也就是想尽量匹配多个b，于是步骤就是如下：
1. a    ->   a
2. ab   ->   ab
3. abb  ->   abb
4. abbb ->   abbc
5. abb  ->   abb
6. abbc ->   abbc
如上，第4步因为想要尽可能的匹配多一点内容，所以想要匹配3个b，但是没匹配上，匹配到了c，
于是就回溯，然后匹配下一个正则表达式，也就是c，然后c与c匹配，成功返回。
这就是正则表达式的回溯问题，当需要匹配的是一个超长字符串，并且发生了回溯问题，那其计算量能够想象有多大了吧。

解决回溯问题：
由于是因为贪婪模式导致的，那只要把贪婪模式改为懒惰模式即可，只要后面加个“?”就行，改为/ab{1,3}?c/
但是懒惰模式也无法完全回溯问题，比如：字符串“abbc”，正则表达式/ab{1,3}?c/，则步骤如下：
1. a     ->   a
2. ab    ->   ab
3. abc   ->   abb
4. ab    ->   ab
5. abb   ->   abb
6. abbc  ->   abbc
如上，第3步因为想要尽可能少匹配一点内容，于是就只匹配一个b，但没匹配上，于是就回溯，
与贪婪模式相反，贪婪模式是字符串回溯，而懒惰模式是正则表达式回溯。
 
使用独占模式，只要后面加个“+”就行，改为/ab{1,3}+c/
因为独占模式是只要不匹配就结束，不会进行回溯，但是也不能完全解决回溯问题，因为其也是会尽可能的匹配多一点内容，所以也会导致回溯问题。

总的来说，懒惰模式和独占模式都是只能减少回溯问题，但是不能完全避免回溯问题。

可优化方案：
1. 少用贪婪模式，多用独占模式；
2. 减少分支选择，比如(X|Y|Z)这种分支选择，如要只用分支，可以将常用的选项放在前面，可以提取公共因子，比如(aabb|aacc|aadd)可以换成aa(bb|cc|dd)，可以用三次匹配来代替(X|Y|Z)；
3. 减少捕获嵌套，就是一个()代表一个捕获组，比如/a(bc)de(fgh)ijk(lmn)/，然后\1代表(bc)，\2代表(fgh)，\3代表(lmn)，
非捕获组就是(?:X)，比如/a(?:bc)de(fgh)ijk(?:lmn)/，则\1代表(fgh)，或者直接不用括号/abcde(fgh)ijklmn/；
4. 能不用正则表达式就不用正则表达式。