RegEx引擎如何工作

Question

在学习正则表达式时，我想知道底层引擎是如何工作的。可能更具体地说，我想更多地了解它如何评估，优先考虑和解析表达。我觉得RegEx引擎对我来说是一个黑盒子，我真的很喜欢破译它。

所以我想问一下，在讨论RegEx引擎理论时是否有一些我可以阅读的优秀资源。

*注意：我对构建引擎不感兴趣，只是学习它的内部工作原理。

Answer 1

有两种主要的正则表达式引擎。

1. 基于有限状态自动机的那些。这些通常是最快的。他们通过构建state machine并从输入字符串中提供字符来工作。如果不是不可能的话，在这样的引擎中实现一些更高级的功能是很困难的。

   基于FSA的引擎示例：

   • Posix / GNU ERE / BRE - 用于大多数unix实用程序，例如grep，sed和awk。
   • Re2 - 一个相对较新的项目，试图为基于Automata的方法赋予更多权力

2. 基于回溯的那些。这些通常将模式编译成字节码，类似于机器指令。然后引擎执行代码，从指令跳转到指令。当指令失败时，它会回溯以找到匹配输入的另一种方式。

   基于反向跟踪的引擎示例：

   • Perl - 原文。此类型的大多数其他引擎都试图以Perl语言复制正则表达式的功能。
   • PCRE - 最成功的实施。该库是使用最广泛的实现。它具有丰富的功能，其中一些功能不能再被视为"Regular"。
   • Python，Ruby，Java，.NET - 我不打算进一步描述的其他实现。

了解更多信息：

• regular-expressions.info - Tutorial
• regular-expressions.info - Flavor comparison
• swtch.com - Implementing Regular Expressions - 一套关于有效的，基于Automata的正则表达式的文章。

如果您希望我扩展某些内容，请发表评论。