编译正则表达式时会发生什么？

Question

我们都知道你可以将你常用的正则表达式编译成性能非常好的东西。但这幕巫术背后发生了什么呢？

我想那里有一个有限状态的自动机，但你必须比我更清楚。

Answer 1

正则表达式编译的细节因实现而异。例如，Python或re2中的编译只是创建正则表达式对象的实例。该对象的状态机可以被建模为图形或虚拟机。如果没有编译（例如：RE.match(expression, input)），每次调用match时都会在后台创建一个新的正则表达式对象。如果您要多次使用表达式，这是不必要的工作。

在C＃中，three things can happen when you compile之一：

1. 创建一个正则表达式对象（实现为虚拟机），类似于Python和re2。
2. 创建正则表达式对象，并将其虚拟机操作码即时编译为内存中的IL指令。
3. 创建正则表达式对象，并将其虚拟机操作码作为IL指令编译到磁盘。

你提到了对算法的兴趣。看看Russ Cox关于两种方法的优秀文章：

• Regular Expression Matching Can Be Simple And Fast - 介绍基于图表的计算机
• Regular Expression Matching: the Virtual Machine Approach - 描述虚拟机实现

Answer 2

编译正则表达式类似于编译Java或Python代码;正则表达式转换为RE引擎然后解释的中间表示，以便对字符串执行适当的操作。