第四章正则表达式回溯法原理

左手的ㄟ右手 2021-11-08 19:24 210阅读 0赞

学习正则表达式，是需要懂点儿匹配原理的。

而研究匹配原理时，有两个字出现的频率比较高：“回溯”。

听起来挺高大上，确实还有很多人对此不明不白的。

因此，本章就简单扼要地说清楚回溯到底是什么东西

内容包括：

1.  没有回溯的匹配
2.  有回溯的匹配
3.  常见的回溯形式

### 1. 没有回溯的匹配 ###

假设我们的正则是`/ab{1,3}c/`，其可视化形式是：  
![在这里插入图片描述][20190806154607847.png]  
而当目标字符串是”abbbc”时，就没有所谓的“回溯”。其匹配过程是：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70]  
其中子表达式`b{1,3}`表示“b”字符连续出现1到3次。

### 2. 有回溯的匹配 ###

如果目标字符串是”abbc”，中间就有回溯。图下面有响应的讲解部分  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 1]  
**讲解**：图中第5步有红颜色，表示匹配不成功。此时`b{1,3}`已经匹配到了2个字符“b”，准备尝试第三个时，结果发现接下来的字符是“c”。那么就认为`b{1,3}`就已经匹配完毕。然后状态又回到之前的状态（即第6步，与第4步一样），最后再用子表达式`c`，去匹配字符“c”。当然，此时整个表达式匹配成功了。

图中的第6步，就是“回溯”。  
你可能对此没有感觉，这里我们再举一个例子。正则是：  
![在这里插入图片描述][20190806155734664.png]  
目标字符串是”abbbc”，匹配过程是： 图下面有响应的讲解部分  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 2]  
其中第7步和第10步是回溯。第7步与第4步一样，此时b\{1,3\}匹配了两个”b”，而第10步与第3步一样，此时b\{1,3\}只匹配了一个”b”，这也是b\{1,3\}的最终匹配结果。

这里再看一个清晰的回溯，正则是：  
![在这里插入图片描述][20190806160927166.png]  
目标字符串是：”acd”ef，匹配过程是：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 3]  
图中省略了尝试匹配双引号失败的过程。可以看出.\*是非常影响效率的。

为了减少一些不必要的回溯，可以把正则修改为`/"[^"]*"/`。（解释：`[^"]*`的意思是代表匹配0个或多个非`"`的字符串）

### 3. 常见的回溯形式 ###

正则表达式匹配字符串的这种方式，有个学名，叫回溯法。

回溯法也称试探法，它的基本思想是：从问题的某一种状态（初始状态）出发，搜索从这种状态出发所能达到的所有“状态”，当一条路走到“尽头”的时候（不能再前进），再后退一步或若干步，从另一种可能“状态”出发，继续搜索，直到所有的“路径”（状态）都试探过。这种不断“前进”、不断“回溯”寻找解的方法，就称作“回溯法”。（copy于百度百科）。

本质上就是深度优先搜索算法。**其中退到之前的某一步这一过程，我们称为“回溯”。从上面的描述过程中，可以看出，路走不通时，就会发生“回溯”。即，尝试匹配失败时，接下来的一步通常就是回溯**。

道理，我们是懂了。那么JS中正则表达式会产生回溯的地方都有哪些呢？

##### 3.1 贪婪量词 #####

之前的例子都是贪婪量词相关的。比如`b{1,3}`，因为其是贪婪的，尝试可能的顺序是从多往少的方向去尝试。首先会尝试”bbb”，然后再看整个正则是否能匹配。不能匹配时，吐出一个”b”，即在”bb”的基础上，再继续尝试。如果还不行，再吐出一个，再试。如果还不行呢？只能说明匹配失败了。

虽然局部匹配是贪婪的，但也要满足整体能正确匹配。否则，皮之不存，毛将焉附？

此时我们不禁会问，如果当多个贪婪量词挨着存在，并相互有冲突时，此时会是怎样？

答案是，先下手为强！因为深度优先搜索。测试如下：

var string = "12345";
    var regex = /(\d{1,3})(\d{1,3})/;
    console.log( string.match(regex) );  //下面有代码讲解
    // => ["12345", "123", "45", index: 0, input: "12345"]

![在这里插入图片描述][20190806162455264.png]  
其中，前面的`\d{1,3}`匹配的是”123”，后面的`\d{1,3}`匹配的是”45”。  
**讲解：** 解释一下为什么结果数组里面有3个字符串，因为 `/(\d{1,3})(\d{1,3})/`里面有括号分组，所以先输出正则整体匹配结果，然后再输出局部括号分组匹配的内容

##### 3.2 惰性量词 #####

惰性量词就是在贪婪量词后面加个问号。表示尽可能少的匹配，比如：

var string = "12345";
    var regex = /(\d{1,3}?)(\d{1,3})/;
    console.log( string.match(regex) ); //下面有代码讲解
    // => ["1234", "1", "234", index: 0, input: "12345"]

**讲解：** 先输出 `/(\d{1,3}?)(\d{1,3})/`整体匹配结果（**这个正则最多只能匹配4位**），再输出局部的括号分组匹配到的内容。 其中`\d{1,3}?`只匹配到一个字符”1”，而后面的`\d{1,3}`匹配了”234”。

虽然惰性量词不贪，但也会有回溯的现象。比如正则是：  
![在这里插入图片描述][20190806163936473.png]  
目标字符串是”12345”，匹配过程是：  
下图讲解：知道你不贪、很知足，但是为了整体匹配成，没办法，也只能给你多塞点了。因此最后`\d{1,3}?`匹配的字符是”12”，是两个数字，而不是一个。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 4]

##### 3.3 分支结构 #####

我们知道分支也是惰性的，比如`/can|candy/`，去匹配字符串”candy”，得到的结果是”can”，因为分支会一个一个尝试，如果前面的满足了，后面就不会再试验了。

分支结构，可能前面的子模式会形成了局部匹配，如果接下来表达式整体不匹配时，仍会继续尝试剩下的分支。这种尝试也可以看成一种回溯。

比如正则：  
![在这里插入图片描述][20190806165836819.png]  
目标字符串是”candy”，匹配过程：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 5]  
上面第5步，虽然没有回到之前的状态，但仍然回到了分支结构，尝试下一种可能。所以，可以认为它是一种回溯的。

本文转载自：[http://blog.didispace.com/regular-expression-4/][http_blog.didispace.com_regular-expression-4]

[20190806154607847.png]: /images/20211108/d947e234c84b46d7944ff91b7dab38af.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70]: /images/20211108/cf9753b410a04765b030993bc86dffa0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 1]: /images/20211108/16751466cd38454fa1fd55e19ef5c0f9.png
[20190806155734664.png]: /images/20211108/8b226bbbfdb74d9b9797c270a5e8c704.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 2]: /images/20211108/9b3fb9cf65a54a69abb0a5f87be75faf.png
[20190806160927166.png]: /images/20211108/9fab26d4aaff48aaa3620936737bbc3b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 3]: /images/20211108/21bb72a00a014a71ab5fbe70cbbc2909.png
[20190806162455264.png]: /images/20211108/095dab65c094457fb81aee9b1569a2ef.png
[20190806163936473.png]: /images/20211108/ca8f841f98824affa6eaa6c0f3933c2e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 4]: /images/20211108/302265cb4bf547848f695efdba1d4960.png
[20190806165836819.png]: /images/20211108/4ec0f6cc31a4473aa77af39e4e793a51.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjQxOTU3_size_16_color_FFFFFF_t_70 5]: /images/20211108/6f8f34677ad14518b42625682c0fcd59.png
[http_blog.didispace.com_regular-expression-4]: http://blog.didispace.com/regular-expression-4/