Question

我正在从教科书中处理一些正则表达式问题，并且其中的内容如下：

“ [[匹配]所有以整数开头并以单词结尾的字符串。”

我为此编写了以下正则表达式：

^[0-9]+\s.*+\b[a-zA-Z]+$

但是，当我用以下代码在C ++中实现这一点时：

#include <iostream>
#include <string>
#include <regex>
#include <time.h>

int main(){
    clock_t t;
    bool match;
    std::string exp = "^[0-9]+\\s.*+\b[a-zA-Z]+$";
    std::string str = "1 a few words 1";
    std::string s (str);
    std::smatch m;
    std::regex e (exp);
    while (true){
        t = clock();
        match = std::regex_match(s, m, e); 
        s = s + "1";
        std::cout << clock() - t << std::endl;
    }   
}

每次迭代占用的CPU时间为：

看起来复杂度为O( 3^n )

为什么会这样？表达式中我在做错什么吗？

如果我使用类似“ 1 a 1”的字符串，尽管常数较小，但是增长因子相同。

编辑：我看到的问题是我有.*+哎呀！仍然我不确定为什么会导致指数行为。

Answer 1

问题出在我确信您打算使用.*+\b而不是.*\\b。

为什么会导致可怕的行为：问题是.*可以对任意数量的字符进行数学运算，而+意味着可以匹配任意数量的字符。但是，为了适应POSIX规范，它必须尝试使整个模式匹配尽可能长的字符串。我的猜测是，要这样做，首先是尝试使用.*来匹配一个字符，然后重复N次。然后尝试.*匹配两个字符，并重复M次。然后尝试用.*匹配三个字符，并将它们重复L次（依此类推）。哦，请注意，也不必使所有.*模式都匹配相同数量的字符，因此组合的数量呈指数增长。

由于它不知道总体上应该匹配多少个字符，因此它将尝试每种可能的组合，直到到达最后一个，然后发现它们都匹配相同长度的字符串，并声明它整体失败（因为\b，它是输入字符串中不存在的退格字符）。根据您是使用NFA还是DFA进行正则表达式匹配，您可能会得到观察到的可怕行为，也可能会得到完全线性的行为-或（取决于您执行DFA / NFA转换的方式）无法编译正则表达式（可能不太合规，但仍可能是更好的行为）。

Answer 2

由于 + ，我认为正则表达式引擎希望仅查找一次。* 。这已经是无穷无尽的了，所以引擎会在一段时间后取消操作。

正则表达式（c ++）为什么要花费指数时间？

2 个答案: