24、正则表达式匹配引擎：NFA与DFA的深入剖析

正则表达式匹配引擎：NFA与DFA的深入剖析

正则表达式是文本处理中强大的工具，而实现正则表达式匹配的引擎主要有两种底层技术：“正则表达式驱动的NFA”和“文本驱动的DFA”。结合POSIX标准，实际上有三种常见的引擎类型，分别是传统NFA、POSIX NFA和DFA。了解这些引擎的工作原理和特点，对于编写正确高效的正则表达式至关重要。

1. 有序交替的陷阱

有序交替在正则表达式中既可以让我们精确地匹配所需内容，但也可能带来意想不到的问题。例如，当我们尝试匹配“Jan 31”这样形式的1月日期时，如果使用 !Jan [0123][0-9]! ，会允许像“Jan 00”“Jan 39”这样无效的“日期”，同时又会排除像“Jan 7”这样有效的日期。

为了更精确地匹配日期部分，我们可以分部分处理：
- 使用 !0?[1-9]! 匹配1 - 9号，允许有前导零。
- 使用 ![12][0-9]! 匹配10 - 29号。
- 使用 !3[01]! 匹配30和31号。

将它们组合起来得到 !Jan (0?[1-9]<[12][0-9]<3[01])! 。然而，在匹配“Jan 31 is Dad’s birthday”时，这个表达式实际上只会匹配“Jan 3”。这是因为在匹配第一个备选 !0?[1-9]! 时，前导 !0?! 匹配失败，但后续的 ![1-9]! 成功匹配了3，此时表达式匹配完成。