正則表達式回溯法原理
前言
一般很多人對待表達式都是要用的時候,取查一下,你是嗎?今日早讀文章由@老姚授權分享。
正文從這開始~
學習正則表達式,是需要懂點兒匹配原理的。
而研究匹配原理時,有兩個字出現的頻率比較高:「回溯」。
聽起來挺高大上,確實還有很多人對此不明不白的。
因此,本文就簡單扼要地說清楚回溯到底是什麼東西。
內容包括:
1. 沒有回溯的匹配
2. 有回溯的匹配
3. 常見的回溯形式
1. 沒有回溯的匹配
假設我們的正則是/abc/,其可視化形式是:
而當目標字元串是"abbbc"時,就沒有所謂的「回溯」。其匹配過程是:
其中子表達式b表示「b」字元連續出現1到3次。
2. 有回溯的匹配
如果目標字元串是"abbc",中間就有回溯。
圖中第5步有紅顏色,表示匹配不成功。此時b已經匹配到了2個字元「b」,準備嘗試第三個時,結果發現接下來的字元是「c」。那麼就認為b就已經匹配完畢。然後狀態又回到之前的狀態(即第6步,與第4步一樣),最後再用子表達式c,去匹配字元「c」。當然,此時整個表達式匹配成功了。
圖中的第6步,就是「回溯」。
你可能對此沒有感覺,這裡我們再舉一個例子。正則是:
目標字元串是"abbbc",匹配過程是:
其中第7步和第10步是回溯。第7步與第4步一樣,此時b匹配了兩個"b",而第10步與第3步一樣,此時b只匹配了一個"b",這也是b的最終匹配結果。
這裡再看一個清晰的回溯,正則是:
目標字元串是:"acd"ef,匹配過程是:
圖中省略了嘗試匹配雙引號失敗的過程。可以看出「.*」是非常影響效率的。
為了減少一些不必要的回溯,可以把正則修改為/"[^"]"/。
3. 常見的回溯形式
正則表達式匹配字元串的這種方式,有個學名,叫回溯法。
回溯法也稱試探法,它的基本思想是:從問題的某一種狀態(初始狀態)出發,搜索從這種狀態出發所能達到的所有「狀態」,當一條路走到「盡頭」的時候(不能再前進),再後退一步或若干步,從另一種可能「狀態」出發,繼續搜索,直到所有的「路徑」(狀態)都試探過。這種不斷「前進」、不斷「回溯」尋找解的方法,就稱作「回溯法」。(copy於百度百科)。
本質上就是深度優先搜索演算法。其中退到之前的某一步這一過程,我們稱為「回溯」。從上面的描述過程中,可以看出,路走不通時,就會發生「回溯」。即,嘗試匹配失敗時,接下來的一步通常就是回溯。
道理,我們是懂了。那麼JS中正則表達式會產生回溯的地方都有哪些呢?
3.1 貪婪量詞
之前的例子都是貪婪量詞相關的。比如b,因為其是貪婪的,嘗試可能的順序是從多往少的方向去嘗試。首先會嘗試"bbb",然後再看整個正則是否能匹配。不能匹配時,吐出一個"b",即在"bb"的基礎上,再繼續嘗試。如果還不行,再吐出一個,再試。如果還不行呢?只能說明匹配失敗了。
雖然局部匹配是貪婪的,但也要滿足整體能正確匹配。否則,皮之不存,毛將焉附?
此時我們不禁會問,如果當多個貪婪量詞挨著存在,並相互有衝突時,此時會是怎樣?
答案是,先下手為強!因為深度優先搜索。測試如下:
varstring="12345";
varregex=/(d)(d)/;
console.log(string.match(regex));
// => ["12345", "123", "45", index: 0, input: "12345"]
其中,前面的d匹配的是"123",後面的d匹配的是"45"。
3.2 惰性量詞
惰性量詞就是在貪婪量詞後面加個問號。表示儘可能少的匹配,比如:
varstring="12345";
varregex=/(d?)(d)/;
console.log(string.match(regex));
// => ["1234", "1", "234", index: 0, input: "12345"]
其中d?只匹配到一個字元"1",而後面的d匹配了"234"。
雖然惰性量詞不貪,但也會有回溯的現象。比如正則是:
目標字元串是"12345",匹配過程是:
知道你不貪、很知足,但是為了整體匹配成,沒辦法,也只能給你多塞點了。因此最後d?匹配的字元是"12",是兩個數字,而不是一個。
3.3 分支結構
我們知道分支也是惰性的,比如/Java|JavaScript/,去匹配字元串"JavaScript",得到的結果是"Java",因為分支會一個一個嘗試,如果前面的滿足了,後面就不會再試驗了。
分支結構,可能前面的子模式會形成了局部匹配,如果接下來表達式整體不匹配時,仍會繼續嘗試剩下的分支。這種嘗試也可以看成一種回溯。
比如正則:
目標字元串是"candy",匹配過程:
上面第5步,雖然沒有回到之前的狀態,但仍然回到了分支結構,嘗試下一種可能。所以,可以認為它是一種回溯的。
後記
其實回溯法,很容易掌握的。
簡單總結就是,正因為有多種可能,所以要一個一個試。直到,要麼到某一步時,整體匹配成功了;要麼最後都試完後,發現整體匹配不成功。
1. 貪婪量詞「試」的策略是:買衣服砍價。價錢太高了,便宜點,不行,再便宜點。
2. 惰性量詞「試」的策略是:賣東西加價。給少了,再多給點行不,還有點少啊,再給點。
3. 分支結構「試」的策略是:貨比三家。這家不行,換一家吧,還不行,再換。
既然有回溯的過程,那麼匹配效率肯定低一些。相對誰呢?相對那些DFA引擎。
而JS的正則引擎是NFA,NFA是「非確定型有限自動機」的簡寫。
大部分語言中的正則都是NFA,為啥它這麼流行呢?
答:你別看我匹配慢,但是我編譯快啊,而且我還有趣哦。
感謝你看到這裡,本文也要結束了。
雖然本文大部分都是圖片,沒多少代碼,但也要說,
此時,我們該想到,陸遊詩人對前端做出的最大貢獻是:
紙上得來終覺淺,絕知此事要躬行。
關於本文
作者:@老姚
※SVG 新司機開車指南
※webpack正式發布v3.0.0
※掌握 HTTP 緩存——從請求到響應過程的一切(下)
※大前端時代,從前端小工到架構師的進階錦囊!
※【第974期】WAAPI
TAG:前端早讀課 |
※正則表達式
※正則表達式基礎知識
※資源 | 正則表達式的功法大全
※正則表達式 的 簡介
※你應該學習正則表達式
※正則表達式常用校驗實例
※系帶表達法
※正則表達式教程:實例速查
※語言能否表達作為最高原理的「道」?
※YG表達誠懇態度 正式接受稅務調查
※正則表達式引發的慘案
※佛法的表達方式是不具像的
※C井處理html 標籤一些正則表達式 整理收集
※看大書法家們表達「愛」?
※看完楊開慧書法,再看看江青書法,同為表達思念,形式卻大不相同
※漢字形態情感!與創意表達方法
※邏輯表達是怎麼同步認知理解的?
※Perl 正則表達式
※使用正則表達式處理html標籤方案分享
※如何以正確的語序表達紀錄?