30、正则表达式高效编写与性能测试

正则表达式高效编写与性能测试

1. 回溯的全局视角

1.1 回溯基本概念

在局部层面，回溯是指返回去尝试未试过的选项。但回溯的全局影响却不那么容易理解。下面通过一些示例来详细了解匹配和不匹配时的回溯情况。

1.2 匹配时的回溯

以正则表达式 ".+" 匹配 "The name \"McDonald’s\" is said \"makudonarudo\" in Japanese" 为例：
1. 正则表达式从字符串的每个位置依次尝试匹配。初始的引号在很多位置匹配失败，直到标记为 A 的位置。
2. ".+" 匹配到字符串末尾，由于点无法匹配字符串末尾的空，星号停止匹配。在匹配过程中，引擎积累了 46 个可回溯的状态。
3. 引擎回溯到最后一个保存的状态，尝试在字符串末尾匹配结束引号，失败后再次回溯。
4. 按逆序尝试从 A 到 B 匹配时积累的状态，大约尝试十几次后，到达点 C 对应的状态（“try ".+" at ...arudo" in Japa... ”），此时匹配成功，到达点 D，完成整体匹配。

如果是传统 NFA，剩余未使用的状态会被丢弃，报告成功匹配；对于 POSIX NFA，会将之前的匹配记录为“目前最长的匹配”，继续探索剩余状态，看是否有更长的匹配。

1.3 不匹配时的回溯

对于正则表达式 ".+"!" ，它无法匹配示例文本，但在匹配尝试过程中多次接近匹配，这