如何使用否定的字符类在内部工作（没有回溯）？

Question

我读到要停止正则表达式的回溯，可以使用否定的字符类。就像我们希望匹配<Em>中的This <Em>is the shiz <Em>一样，我们可以使用比<[^>]+>更快的<.+?>，因为后者在每个字符之后回溯，但前者不会回溯到所有。
有人可以解释＆lt; [^＆gt;] +＆gt;内部匹配？

Answer 1

你必须先了解贪婪和懒惰的量词是如何工作的。

如果后面的子模式（在您的示例中为>）匹配，则惰性量词将测试每个字符。贪心量词将采用所有可能的字符，并且只有在需要之后才会回溯以使下一个子模式（在您的示例中为>）匹配。

但是如果不使用点（除了换行符之外的所有符号），你使用的是一个不包含字符>的否定字符类，你肯定没有回溯的步骤。我希望能够清楚！

为了说明我的意见，建议您使用http://regex101.com的调试器尝试这三种模式：<.*>，<.*?>，<[^>]*> 使用此字符串：<abcd efgh="ijkl" mnop="qrst"> lapin

特别关于PCRE：PCRE lib默认使用自动内部优化进行编译。如果使用否定字符类后跟排除字符，则量词会自动转换为占有量词。此功能只能在编译时更改。 （source）。它可能与Perl相同。

Answer 2

.+?>之间匹配路径的主要区别在于，为了匹配当前字符， .+?>必须查看以下字符，其中[^>]+为不即可。 [^>]+表示＆＃34;匹配一个或多个不是>的字符......它只会吃掉它们而不再考虑它们。

为什么.+?>需要向前看并导致回溯？

相比之下，在每一步中，.+?>向前迈出一步然后退一步。为什么？

我们假设您尝试使用thing>匹配.+?>。在第一步，在t前面，因为?是懒惰的， .+?>中的点匹配零个字符。然后引擎前进到下一个角色。在那里，尝试匹配>，但未通过。因此引擎回溯，然后懒惰的量词从沙发上下来并允许点匹配。对h，i，n和g重复该过程：对于每个字符，惰性点首先匹配零个字符;然后引擎尝试匹配>，失败，回溯并匹配该字母。

这在RegexBuddy调试器中清楚地显示，其中RB尝试使用thing>匹配.+?>

将此与此屏幕截图进行比较，其中RB尝试使用thing>

匹配[^>]+>

Answer 3

  

有人可以解释一下＆lt; [^＆gt;] +＆gt;内部匹配？

实际上，这是更容易理解的。它说：

Match the sequence
1) one   '<'
2) at least one (as many as posible) '[^>]'  (i.e.: any character except for '>')
3) one '>'

然后，在This <Em>is the shiz <Em>搜索的匹配器将完成预期的操作。从头开始，它将（暂时）匹配第一个<，然后转到第2部分，然后匹配Em然后转到第3部分... ...并找到{{1} }：完成！

使用>指令是：

<.*?>

现在，从头开始，它将（暂时）与第一个Match the sequence 1) one '<' 2) any amount (least possible) of '.' (i.e.: any character) 3) one '>' 匹配，然后转到第2部分，并且（这里是第一个区别）它首先会说，“嘿，我找到了一个空字符串（<和<之间的那个，它与第2步匹配，让我们进入第3步“。但是它会失败（“我发现了一个E，我期待一个E;然后它会回到模式序列中（但不是在输入序列中！我不会称之为回溯，只是向前看分支，好吧，让我们尝试匹配>进行步骤2）（它匹配，继续......）它会再次失败......但是在下一次重复中它会成功。 所以这在功能上是等效的，效率稍差。

请注意，如果模式没有在那里结束，那么替代方案在功能上并不相同。例如，如果模式是：E并且我给它输入<.*?><br>它将匹配hi <em>hello ! <em><br>bye，这不是您可能想要的。

Answer 4

a+会保持匹配的字符，直到达到不是a的字符。

[a-z]+会保持匹配字符，直到达到不是a，z或其中之间的字符。

[^a-z]+保持匹配字符，直到达到 a，z或其中之间的某个字符。对于匹配器，否定字符类和常规字符类的工作方式完全相同;只是在正则表达式构造时，反转列表被翻转，以便不仅仅匹配指定范围内的 ，它只匹配指定范围内的 。