1

当 RegEx 引擎到达 RegEx 中的多个环视部分时，它们是如何在内部工作的。

我已经阅读了这篇优秀的文章，但它不包括环视。任何人都可以用类似的方法大致解释一下环视（负面，正面，后面，向前）机制吗？

（我也很想知道引擎如何解释以下正则表达式：（RegExs 是不同的正则表达式字符串，可能是可变大小的，即包含+或*）

RegEx (?<!RegEx)(?<=RegEx)(?!RegEx)(?=RegEX) RegEx (?<!RegEx)(?<=RegEx)(?!RegEx)(?=RegEx)  RegEx

，我不想知道与它们匹配的内容，但我想知道引擎如何与它们匹配，它们只是示例。谢谢

NFA（非确定性有限自动化）图或任何类似的图对于说明该主题非常有用。

请不要让我参考regular-expressions.info，我已经读过了！它只是使用了两个非常简单的例子，我想大致了解引擎机制。

4

1 回答 1

1

Lookahead 很简单：当引擎遇到一个lookahead 表达式时，它会保存当前位置并正常检查是否匹配。如果不是，则返回失败（允许引擎检查正则表达式早期部分的其他选项）。如果是，它会恢复保存的位置并继续检查正则表达式的其余部分。

向后看更难。在 Python 中，对它们有一个限制，即它们必须是固定大小的。这使得评估变得容易：当遇到它时，检查前面的 [width] 字符是否与表达式匹配，其余的就像前瞻一样工作。如果你不使用这个固定大小的限制，评估会变得慢很多。这并不意味着算法变得复杂：它可以简单地尝试当前位置之前的所有字符串（它之前的 0 个字符、它之前的 1 个字符、它之前的 2 个字符等，直到有一个匹配，或者到达字符串的开头）。

至于顺序，正则表达式默认是贪婪的。这意味着在类似 的表达式中.*(s?)，(s?)永远不会匹配任何内容，因为如果有 s，它已经被 匹配了.*。如果您不想要这个，请在​​ or?之后添加一个。*+

现在到你的例子：

  • /.*a(?=.*)/匹配任何内容，包括最后一个a（它是贪婪的）。(?=.*)总是匹配，所以它毫无价值：如果省略，正则表达式是相同的。
  • /.*a(?!a*)/从不匹配任何东西：否定前瞻中的表达式始终匹配（如果只是“0 次a”）。由于它是负数，这意味着前瞻总是失败。
  • /.*a(?=[^a]*)(?=[x])(?![c]*)/从不匹配任何东西。引擎将首先尝试.*a匹配所有内容，包括最后一个a. 这之后永远不会有另一个a，因此第一次先行总是成功（仅第一次）。如果后面没有，则下一个前瞻将失败x（注意括号在那里没有用；[x]与 相同x）。如果失败，它将尝试更短的字符串 for .*a，直到（第一个和）第二个前瞻匹配。请注意，如果第二个匹配，第一个前瞻总是匹配，所以它没有用。但是，第三个前瞻破坏了这一切：（[c]*与 相同c*）总是匹配（在任何位置，您都可以说“这个空字符串是字符 c 的 0 倍的列表”），这意味着否定前瞻总是失败。

您可能会发现有趣的是，如果模式是非贪婪的，会发生什么。例如，/.*?a/将匹配包含a, 直到并包括a字符串中的第一个（而不是最后一个）的任何内容。

于 2012-11-24T10:21:56.060 回答