技海无涯：正则表达式相关的知识和技术(1)——表达式

正则表达式，看似简单，实则博大精深。简简单单几个字符：|、*、（、）……却能够演绎出无穷无尽的变化。初看正则表达式，其实就是一串子字符串，但隐藏在这字符串背后的各种各样的知识、技能、技巧，却一点也不简单。

以前在学习《编译原理（龙书）》的时候，也是一目十行的将其跳过，这次偶尔需要用到正则表达式，然后自己就上网搜了搜，结果发现水不是一般的深，耗费了3个晚上的时间搜索、查阅，才稍微理清了这些相关知识的关系和脉络，于是稍作整理归纳，既为了加深自己的理解，也为了共享给各位。

在正式开始之前，先将相关东东列出来，看看你能够知道几个？

NFA、逆波兰表达式、双栈、自动机、子集算法、中缀表达式、Thompson算法。

 

技海无涯：正则表达式相关的知识和技术

看到下面这一堆东东，你是不是觉得头皮发麻，思维混乱呢？

NFA、逆波兰表达式、双栈、自动机、子集算法、中缀表达式、Thompson算法……

按照这种散乱无章的顺序来理解和记忆，当然是感觉很混乱了。 其实事情没有那么复杂，要想理解起来容易，记忆也牢固，我们要抓住一条思维的线路，然后将这一堆的东东沿着思维的线路进行分门别类，下面就是我总结出来的正则表达式的思路：

表达式->转换算法->编程技巧->自动机。

首先正则表达式是一个表达式，但这个表达式最终是要让计算机理解和应用，这个理解和应用就是自动机。从表达式到自动机需要经过转换算法，在实现转换算法的时候有一些编程技巧，这样就把正则表达式从表达式到自动机串起来了。

下面我们一一介绍，这里只介绍简单的概念和知识点以及关联关系，详细的研究还需要各位自己上网查了。

 

表达式

表达式有几个相关的概念：前缀表达式、中缀表达式、后缀表达式、波兰表达式、逆波兰表达式。

概念介绍

前缀、中缀、后缀表达式很好理解，就是操作符在操作数前面、中间、后面，对应的英文分别是prefix notation, infix notation, postfix notation，英文好的大侠可以到google上直接搜索英文，有很多详细的介绍（如果要看详细的介绍和分析，一定要看英文），这里就不详细介绍了。

l         前缀表达式prefix notation：操作符在操作数前面，例如3+4转化成前缀表达式就是+34；

l         中缀表达式infix notation：操作符在操作数中间，例如3+4转化成中缀表达式就是3+4；

l         后缀表达式postfix notation：操作符在操作数后面，例如3+4转化成后缀表达式就是34+；

 

表达式对比

三种表达式各自的特点和作用是什么呢？其实说白了就是谁理解更容易的问题：

前缀表达式：不好意思，我还没有弄懂前缀表达式的作用，据说是在Lisp语言中用到，有可能是Lisp这种语言更好理解前缀表达式。

中缀表达式：人更好理解，从小到大四则运算我们都是这么用的，大家写正则表达式也是这么写的；

后缀表达式：计算机更好理解，没有括号，没有优先级，按照顺序计算即可。

正则表达式的书写、四则运算的书写，都是按照中缀表达式来写的，但实际在计算机处理的时候，是需要转换成后缀表达式来进行处理（当然也可以不完全转换成后缀表达式后再进行计算，可以边分析边计算，后面在讲编程技巧的时候会详细分析）。

 

波兰、逆波兰

介绍到这里，似乎表达式的格式都涵盖了，总不可能来个“上缀”或者“下缀”表达式吧？既然这样的话，相信你一定会有这样的疑问：

1）什么叫波兰表达式？什么叫逆波兰表达式？

2）和波兰有什么关系么？

其实答案很简单，波兰表达式就是前缀表达式，逆波兰表达式就是后缀表达式。至于为什么和波兰扯上关系，其实也很简单，就是因为波兰表达式是波兰的逻辑学家Jan Łukasiewicz发明的，就像大家熟悉的Microsoft的“匈牙利命名法”，其实就是一个匈牙利工程师提出来的一样。

 

至于为什么没有“中波兰”表达式，这个还没有研究，也许哪位大侠申请一下，从此可以多一个“中国表达式”：）

 

 

参考资料

http://en.wikipedia.org/wiki/Reverse_Polish_notation

http://en.wikipedia.org/wiki/Prefix_notation

 

 

========================未完待续==================================