Question

re模块中/（a +）+ c /和/（a +）c /之间有什么区别？我检查了执行需要多长时间。有很大的不同。我想知道为什么会有很大的不同。我把这个样本输入到在线正则表达式测试器的形式，但我不明白发生了什么。请用语言告诉我。

import re
from time import clock    
def test(f, *args, *kargs):
  start = now()
  f(*args, *kargs)
  print("The function %s lasted: %f" % (f.__name__, now() - start))

def catastrophic1(n):
  print("Testing with %d characters" % n)
  pat = re.compile("(a+)+c")
  text = "%s" % 'a' * n
  pat.search(text)

def catastrophic2(n):
  print("Testing with %d characters" % n)
  pat = re.compile("(a+)c")
  text = "%s" % 'a' * n
  pat.search(text)

for n in range(13, 20):
  test(catastrophic1, n)
for n in range(13, 20):
  test(catastrophic2, n)

Answer 1

两个表达式都匹配相同的内容，即一个或多个a s后跟一个c。

表达式(a+)+c对正则表达式引擎进行处理更耗时，因为此表达式可以通过更多方式匹配a字符串。

例如，使用第二个表达式，字符串aaaaaa可以分解为以下组

(a)(a)(a)(a)(a)(a) # here (a+) matches a single 'a'
(aa)(aa)           # here (a+) matches 'aa'
(aaa)(aaa)         # here (a+) matches 'aaa'

Answer 2

这个问题的答案取决于你能够理解python正则表达式引擎如何解释+以及它如何匹配模式。

实际上，python正则表达式引擎使用Traditional NFA进行正则表达式匹配，并基于NFA引擎的本质：

它依次考虑每个子表达式或组件，每当需要在两个同样可行的选项之间做出决定时，它会选择一个并记住另一个，如果需要则返回到以后。它必须在行动方案中决定的情况包括具有量词的任何事物（决定是否尝试另一场比赛）和交替（决定哪个改变本地尝试，以及哪个稍后离开）。无论尝试哪种行为，如果它成功并且正则表达式的其余部分也成功，则匹配结束。如果正则表达式的其余部分中的任何内容最终导致失败，则正则表达式引擎知道它可以回溯到它选择第一个选项的位置，并且可以通过尝试其他选项继续匹配。这样，它最终会尝试正则表达式的所有可能排列（或至少在找到匹配项之前所需的数量）。*

除了+正则表达式引擎的上述过程之外，还将尝试从长度为1或更长的前一个模式的所有组合，因此对于像(a+)+c这样的模式，我们有一个指数的尝试次数！它会吞噬很多时间！

<子> *掌握正则表达式，第三版，作者：Jeffrey E. F. Friedl！

re模块中的贪婪和贪婪

2 个答案: