吐血推荐--孟岩的《理解正则表达式》

没想到孟岩这么风趣，我觉得 这篇文章写的太好了，对于对正则表达式还觉得很莫名其妙的人来说，这篇文章会给你豁然开朗的感觉。

摘录：

用正则式 / perl | perlman / 来匹配文本 ‘perlman book’。如果是NFA，则以正则式为导向，手里捏着正则式，眼睛看着文本，一个字符一个字符的吃，吃完 ‘perl’ 以后，跟第一个子正则式 / perl / 已经匹配上了，于是记录在案，往下再看，吃进一个 ‘m’，这下糟了，跟子式 / perl / 不匹配了，于是把m吐出来，向上汇报说成功匹配 ‘perl’，不再关心其他，也不尝试后面那个子正则式 / perlman / ，自然也就看不到那个更好的答案了。

如果是DFA，它是以文本为导向，手里捏着文本，眼睛看着正则式，一口一口的吃。吃到 / p / ，就在手里的 ‘p’ 上打一个钩，记上一笔，说这个字符已经匹配上了，然后往下吃。当看到  / perl /  之后，DFA不会停，会尝试再吃一口。这时候，第一个子正则式已经山穷水尽了，没得吃了，于是就甩掉它，去吃第二个子正则式的 / m / 。这一吃好了，因为又匹配上了，于是接着往下吃。直到把正则式吃完，心满意足往上报告说成功匹配了 ‘perlman’。

由此可知，要让NFA正确工作，应该使用  / perlman | perl /  模式。

通过以上例子，可以理解为什么NFA是最左子式匹配，而DFA是最长左子式匹配。实际上，如果仔细分析，关于NFA和DFA的不同之处，都可以找出道理。而明白这些道理，对于有效应用正则表达式是非常有意义的。
4 . 理解greedy和lazy量词
由于日常遇到的正则表达式引擎全都是NFA，所以缺省都采用greedy量词。Greedy量词的意思不难理解，就是对于 / . */ 、 / \w +/ 这样的“重复n”次的模式，以贪婪方式进行，尽可能匹配更多字符，直到不得以罢手为止。

举一个例子，以  /< . *>/  模式匹配 ‘ < book >   < title >  Perl Hacks  </ title >   </ book > \t’文本，匹配结果不是 ‘ < book > ’，而是 ‘ < book >   < title >  Perl Hacks  </ title >   </ book > ’。原因就在于NFA引擎以贪婪方式执行“重复n次”的命令。让我们来仔细分析一下这个过程。

条款3指出，NFA的模型是以正则式为导向，拿着正则式吃文本。在上面的例子里，当它拿着 / . */ 这个正则式去吃文本的时候，缺省情况下它就这么一路吃下去，即使碰到 ‘ > ’字符也不罢手——既然  / . /  是匹配任意字符， ‘ > ’ 当然也可以匹配！所以就尽管吃下去，直到吃完遇到结尾（包括\t字符）也不觉得有什么不对。这个时候它突然发现，在正则表达式最后还有一个  />/ ，于是慌了神，知道吃多了，于是就开始一个字符一个字符的往回吐，直到吐出倒数第二个字符 ‘ > ’，完成了与正则式的匹配，才长舒一口气，向上汇报，匹配字符串从第一个字符 ‘ < ’ 开始，到倒数第二个字符 ‘ > ’结束，即‘ < book >   < title >  Perl Hacks  </ title >   </ book > ’。

Greedy量词的行为有时确实是用户所需要的，有时则不是。比如在这个例子里，用户可能实际上想得到的是 ‘book’ 串。怎么办呢？这时候lazy量词就派上用场了。把模式改为 /< . *?>/ 就可以得到 ‘book’。这个加在 ‘ * ’号后面的 ‘ ? ’ 把greedy量词行为变成lazy量词行为，从而由尽量多吃变为尽量少吃，只要吃到一个 ‘ > ’立刻停止。

问号在正则表达式里用途最广泛，这里是很重要的一个用途。

转载于:https://www.cnblogs.com/jxhwei/archive/2007/03/06/665022.html