正则表达式的局限性？

Question

我已经使用正规表达式几年了，并对它们感到满意，但我想知道使用它们时是否有任何限制。我知道与递归相关的限制（这里讨论http://blogs.msdn.com/b/jaredpar/archive/2008/10/15/regular-expression-limitations.aspx）。有没有与记忆相关的限制？我假设您可以捕获一个尽可能大的内存字符串（或者VM允许您）。

我应该知道正则表达式还有其他限制吗？

提前致谢，

克里斯

Answer 1

巨大的正则表达式可能非常缓慢并且内存饥渴。我知道，因为我创造了一个。它可以标记正则表达式不应该标记的内容。 :-)如果你想要一个链接......现在......我还没有对“小”正则表示基准，所以我不知道他们的速度。他们肯定 紧凑，可以写。

啊，我忘记了，正则表达是邪恶。他们的主要问题是它们就像一把锤子，当你拥有它们时，你会试图让所有的问题像钉子一样。所以他们的主要问题在于用户（程序员）。

第一个“大”限制：Javascript只实现了它们的一部分，没有Unicode支持。通常，您使用服务器端的语言具有更完整的实现，因此您受到js的限制。即使是非常完整的实现，如.NET也有很大的限制：不支持代理对，也不支持“组合”字符（使用组合标记的字符）。但是，与往常一样，问题在于程序员。有多少知道Unicode的程序员知道变音符号的各种数字集合的复杂性？

第二个“大”限制：可维护性。它们编写时很复杂且难以理解。但几个月后呢？他们变得更糟！如果你必须训练一个新的程序员，现在他必须学习另一种语言：正则表达式。

第三个“大”限制：它们隐藏得太多了。你看\d\s\d。这是什么意思？数字空格和数字？一定。但.NET Regexes中的\d和\s都“隐藏”了一个微观世界。 \d“匹配”任何非欧洲数字（Unicode中有许多数字）。 \s“匹配”这么多深奥的空间，我甚至不知道这个名字......我甚至都不想考虑它。它们就像冰山一样。只有1/8在水外，而7/8则被隐藏。但是7/8可能会杀了你。

Answer 2

正则表达式只能解析常规语法，无需任何上下文，而且需要更高的堆栈（即真正的解析器）。

这是他们唯一的真正的限制，性能取决于特定的实现，但与状态机相比，即使预编译通常也很慢。

Answer 3

限制

1. 无法解决所有问题。 （SO上的任何人都会说会发生什么 当你试图用正则表达式解析HTML时）
2. 不应该用于 一切 - 可读性和性能问题。适当时使用。不是简单的任务，比如字符串的子串，也不是复杂的任务。

Bottomline，它是一个工具。像任何其他工具一样使用它。不要过度使用它。不要让它成为工具包中唯一的工具。