Question

我使用regex101分析了这两个正则表达式。我认为/\S+:/的回溯是正确的。但我无法理解这种差异。我错了吗？

regex101.com

Answer 1

这是名为auto-possessification的{{3}}优化。

来自pcre：

PCRE＆＃34;自动拥有＆＃34;优化通常适用于字符在模式的末尾（以及内部）重复。对于例如，模式＆＃34; a\d+＆＃34;编译好像是＆＃34; a\d++＆＃34;因为即使考虑回溯的可能性也没有意义重复数字。

和

这是一项优化，例如，将a+b转换为a++b 为了避免回溯到永远无法成功的a+。

由于:中未包含\w，因此您的模式被解释为\w++:（第二个+会阻止回溯，http://pcre.org/pcre.txt）。避免了额外的回溯状态，因为它没有可能匹配的另一个状态。

另一方面，:中包含\S，因此此优化不适用于第二种情况。

PCRETEST

您可以使用see possessive quantifiers（您可以下载pcretest的Windows版本）查看差异。

模式/\w+:/需要 11步并输出：

/\w+:/
--->get accept:
 +0 ^               \w+
 +3 ^  ^            :
 +0  ^              \w+
 +3  ^ ^            :
 +0   ^             \w+
 +3   ^^            :
 +0    ^            \w+
 +0     ^           \w+
 +3     ^     ^     :
 +4     ^      ^    .*
 +6     ^      ^    
 0: accept:

但是，如果我们使用控制动词 here 来禁用此优化，则模式/(*NO_AUTO_POSSESS)\w+:/需要 14步并输出：< / p>

/(*NO_AUTO_POSSESS)\w+:/
--->get accept:
+18 ^               \w+
+21 ^  ^            :
+21 ^ ^             :
+21 ^^              :
+18  ^              \w+
+21  ^ ^            :
+21  ^^             :
+18   ^             \w+
+21   ^^            :
+18    ^            \w+
+18     ^           \w+
+21     ^     ^     :
+22     ^      ^    .*
+24     ^      ^    
 0: accept:

^{- 正如预期的那样，它比\S+少1步，因为\w+与:不匹配。}

~~不幸的是(*NO_AUTO_POSSESS)不支持此动词。~~

更新： regex101现在支持此动词，这里有3个要比较的案例的链接：

/\S+:/（14个步骤） - regex101
/\w+:/（10个步骤） - https://regex101.com/r/cw7hGh/1/debugger
/(*NO_AUTO_POSSESS)\w+:/（13个步骤） - https://regex101.com/r/cw7hGh/2/debugger

regex101调试器：

https://regex101.com/r/cw7hGh/3/debugger

Answer 2

虽然这似乎是特定于实现的（RegexBuddy没有显示此行为），但可以解释如下：

\w无法匹配:，但\S可以。因此，\S+:需要检查输入字符串的更多变体，然后才能确保get无法与之匹配。

更优化的正则表达式引擎将更快地排除不可能的匹配（例如，当正则表达式包含匹配的当前部分中不存在的文字字符时），但显然regex101正在使用的引擎不这样做。

为什么/ \ w +：/和/ \ S +：/处理回溯不同？

2 个答案:

PCRETEST