25、正则表达式：全面解析与应用

正则表达式：全面解析与应用

1. 输入消耗机制

在理解正则表达式时，一种简单的看法是将其视为“在大字符串中查找子字符串”的工具，就像在干草堆里找针一样。但这种简单的概念会限制我们对正则表达式本质的理解，以及利用它完成更强大任务的能力。

更深入的理解是，正则表达式是用于消耗输入字符串的模式，匹配结果只是这种处理方式的副产品。为了更好地理解正则表达式的工作原理，我们可以借助一个常见的儿童单词游戏来类比。在这个游戏里，有一个字母网格，我们要从中找出单词。这里我们只考虑第一行：

X J A N L I O N A T U R E J X E E L N P

人类在这个游戏中表现出色，能很快找出“LION”、“NATURE”和“EEL”（还有“ION”）。但计算机和正则表达式就没那么聪明了。

我们让正则表达式去查找“LION”、“ION”、“NATURE”和“EEL”。正则表达式从第一个字符“X”开始，发现要找的单词都不以“X”开头，就判定“不匹配”，然后移动到下一个字符“J”，同样不匹配，再到“A”。在这个过程中，正则表达式经过的字符被视为已消耗。直到遇到“L”，它认为可能匹配“LION”，所以不消耗“L”。接着依次匹配“I”、“O”、“N”，最终识别出匹配成功，此时“L”、“I”、“O”、“N”被消耗。

这里有趣的是，“LION”和“NATURE”有重叠部分。人类对此不会有困扰，但正则表达式不会回头去查看已消耗的字符，所以它找不到“NATURE”，因为“N”已经被消耗，只能找到“ATURE”，这不是它要找的单词。不过，它最终能找到“EEL”。

如果把“LION”中的“O”换成