非贪婪的模式表达

Question

我一直在阅读Friedl的“掌握正则表达式”，并尝试为一个由单词分隔的字符串设计一个常见的非贪婪模式表达式。 从基础开始，分隔的单词只是一个单词“ a ”表达式：

sed -r 's/([^a]*)(a)/\                                                                  
(1)\1(2)\2(ALL)&(END)/g' <<<"xaxxaxxxaxxx...aa..."

(1)x(2)a(ALL)xa(END)
(1)xx(2)a(ALL)xxa(END)
(1)xxx(2)a(ALL)xxxa(END)
(1)xxx...(2)a(ALL)xxx...a(END)
(1)(2)a(ALL)a(END)...

模式（参考Friedl）可能是：

• [ 正常*关闭 ]

转到真正的多字符“ ab ”分隔符：

sed -r 's/([^a]*)((a[^b]*)*)(ab)/\                          
(1)\1(2)\2(3)\3(4)\4(ALL)&(END)/g' <<<"xabxxabxxxabxxx...abxxx...aabxxx...axxx...aaabxaabaxabaxaxabxaxaabxxaaabaaxxab..."

(1)x(2)(3)(4)ab(ALL)xab(END)
(1)xx(2)(3)(4)ab(ALL)xxab(END)
(1)xxx(2)(3)(4)ab(ALL)xxxab(END)
(1)xxx...(2)(3)(4)ab(ALL)xxx...ab(END)
(1)xxx...(2)a(3)a(4)ab(ALL)xxx...aab(END)
(1)xxx...(2)axxx...aa(3)axxx...aa(4)ab(ALL)xxx...axxx...aaab(END)
(1)x(2)a(3)a(4)ab(ALL)xaab(END)
(1)(2)ax(3)ax(4)ab(ALL)axab(END)
(1)(2)axax(3)axax(4)ab(ALL)axaxab(END)
(1)x(2)axa(3)axa(4)ab(ALL)xaxaab(END)
(1)xx(2)aa(3)aa(4)ab(ALL)xxaaab(END)
(1)(2)aaxx(3)aaxx(4)ab(ALL)aaxxab(END)...

模式可能是：

• [ 正常*（特殊*）*关闭 ]

对于后续的“ abc ”分隔符， 特殊 表达式可以扩展为：

(a[^b]*)*(ab[^c]*)*

1. 这是对的吗？
2. 可以证明吗？
3. 特殊 表达式可以简化吗？
4. 这有更好/更有效的表达方式吗？注：我没有使用perl的非贪婪'*？'操作员并避免交替。
5. 我在哪里可以找到这类问题的参考资料（Friedl提到但没有公布解决方案）。

Answer 1

1. 是的，它看起来是正确的。
2. 您想了解有限自动机 - 非确定性（NFA）和确定性（DFA）。简单的正则表达式系统本质上是有限自动机的一种方便的符号。任何关于编译器的好书都会有一章涵盖NFA和DFA。
3. 可能不是，或者不多。你的话越久，你必须允许的回溯就越多。