【正则】正则表达式和自动机

最近在看，先留个链接

http://passover.blog.51cto.com/2431658/425536

有穷自动机（Finite Automate）是用来模拟实物系统的数学模型，它包括如下五个部分：

• 有穷状态集States
• 输入字符集Input symbols
• 转移函数Transitions
• 起始状态Start state
• 接受状态Accepting state(s)

正则表达式就是建立在自动机的理论基础上的：用户写完正则表达式之后，正则引擎会按照这个表达式构建相应的自动机（可能是NFA，也可能是DFA，但它们必定是等价的），若输入一串文本之后，自动机抵达了接受状态，则这串文本可以“匹配”用户指定的正则表达式。

NFA

DFA

DFA引擎在任意时刻必定处于某个确定的状态，而NFA引擎可能处于一组状态之中的任 何一个，所以，NFA引擎必须记录所有的可能路径（trace multiple possible routes through the NFA），NFA之所以能够提供Backtrack的功能，原因就在这里。

 

http://tianle52.blog.163.com/blog/static/25513217201122581486/

正则使用的时候一定要注意他的自动机特性，具体来说就是每个节点只会关注他下一个输入让他达到的状态。有个比较经典的trap，用正则a*?b去匹配 aab，粗看一下肯定以为匹配结果会是ab，其实不然。他先去匹配第一个a，然后去判断下一个是不是b，如果不是，那么再看是不是还是a，所以结果是 aab。

有几个经验：

1. 对任意字符进行匹配，可以使用[\s\S]，这个是比较常用的习惯，虽然你还能写出很多其他一样功能的正则。

2. 利用环视来查看匹配结果的前后特征。这个在抽取且不用group的时候会经常用到，这个最好是要知道怎么用。

3. 去除不需要的group。这个经常会在写取固定的group值的时候会遇到这个麻烦，前面有个匹配不得不用到括号，这样会比预期多出来一个group，那么可以使用(?:xxx)来声明这个括号不是一个group。

4. 性能问题。其实我个人并不太关注正则表达式的优化，但是有一点是必须要注意的，就是不要使用贪婪的嵌套，这个性能是很低的。

5. 用使用正则一样的环境来验证正则，比如java的程序需要调用正则，用写个java测试程序来验证。我做过一个简单java正则验证的GUI工具，用了很多年还挺顺手的，放到附件中给大家分享一下吧。

  总的来说，使用正则不要硬搬，关键是掌握原理、灵活运用。希望大家都能把正则用的得心应手。

  最后附一个常用正则的页面，也是很久以前在网上找的http://passover.blog.51cto.com/2431658/425533。里面对中文的匹配还是挺有用的。