23、正则表达式中的回溯与匹配机制深入解析

正则表达式中的回溯与匹配机制深入解析

1. 局部失败与路径测试

当遇到“局部失败”时，正则引擎会回溯到之前保存的状态，就像沿着面包屑的痕迹返回，尝试未测试过的路径。无论是贪婪量词还是懒惰量词，引擎在承认匹配失败之前，都会测试每一条可能的路径。

贪婪量词和懒惰量词测试路径的顺序不同。但最终，如果没有找到匹配项，只有在测试完所有可能的路径后才会确定。

如果只有一个合理的匹配，带有贪婪量词和懒惰量词的正则表达式都会找到该匹配，不过它们到达该匹配所经过的路径序列可能大不相同。在这种情况下，选择贪婪或懒惰量词不会影响匹配的内容，只会影响引擎到达匹配所经过的路径长短，这涉及到效率问题。

如果有多个合理的匹配，理解贪婪、懒惰和回溯机制可以帮助我们确定最终选择的匹配。例如，对于字符串 “The name "McDonald’s" is said "makudonarudo" in Japanese”，正则表达式 ".+" （贪婪星号）会选择最长的匹配，而 ".+?" （懒惰星号）会选择最短的匹配。

2. 占有量词和原子分组

在处理正则匹配时，我们可能会遇到一些问题，例如将正则表达式 (\.\d\d[1-9]?)\d+ 应用于字符串 .625 时，会出现不符合预期的回溯情况。我们希望当 [1-9] 能够匹配时，就不放弃这个匹配，必要时甚至让整个匹配尝试失败。

为了实现这个目标，一些正则表达式风格支持 (?>…) 原子分组或占有量词，