非贪婪模式表达

Question

我一直在阅读 Friedl 的《掌握正则表达式》，并尝试为由单词分隔的字符串设计一个常见的非贪婪模式表达式。 从基础开始，其中分隔单词只是单个字符“a”，表达式：

sed -r 's/([^a]*)(a)/\                                                                  
(1)\1(2)\2(ALL)&(END)/g' <<<"xaxxaxxxaxxx...aa..."

(1)x(2)a(ALL)xa(END)
(1)xx(2)a(ALL)xxa(END)
(1)xxx(2)a(ALL)xxxa(END)
(1)xxx...(2)a(ALL)xxx...a(END)
(1)(2)a(ALL)a(END)...

从中，模式（参考 Friedl）可能是：

• [ 正常* 闭合 ]

转向真正的多字符“ab”分隔符：

sed -r 's/([^a]*)((a[^b]*)*)(ab)/\                          
(1)\1(2)\2(3)\3(4)\4(ALL)&(END)/g' <<<"xabxxabxxxabxxx...abxxx...aabxxx...axxx...aaabxaabaxabaxaxabxaxaabxxaaabaaxxab..."

(1)x(2)(3)(4)ab(ALL)xab(END)
(1)xx(2)(3)(4)ab(ALL)xxab(END)
(1)xxx(2)(3)(4)ab(ALL)xxxab(END)
(1)xxx...(2)(3)(4)ab(ALL)xxx...ab(END)
(1)xxx...(2)a(3)a(4)ab(ALL)xxx...aab(END)
(1)xxx...(2)axxx...aa(3)axxx...aa(4)ab(ALL)xxx...axxx...aaab(END)
(1)x(2)a(3)a(4)ab(ALL)xaab(END)
(1)(2)ax(3)ax(4)ab(ALL)axab(END)
(1)(2)axax(3)axax(4)ab(ALL)axaxab(END)
(1)x(2)axa(3)axa(4)ab(ALL)xaxaab(END)
(1)xx(2)aa(3)aa(4)ab(ALL)xxaaab(END)
(1)(2)aaxx(3)aaxx(4)ab(ALL)aaxxab(END)...

其中的模式可能是：

• [ 正常* (特殊*)* 结束< /em> ]

对于后续'abc' 分隔符特殊表达式可以扩展为：

(a[^b]*)*(ab[^c]*)*

1. 这是正确的吗？
2. 可以证明吗？
3. 特殊表达式可以简化吗？
4. 有没有更好/更有效的表达方式？注意我没有使用 Perl 的非贪婪 '*?'操作员并避免交替。
5. 我在哪里可以找到此类问题的参考资料（弗里德尔提到过，但没有发布解决方案）。

Answer 1

1. 是的，看起来是正确的。
2. 您想了解有限自动机——非确定性 (NFA) 和确定性 (DFA)。简单的正则表达式系统本质上是有限自动机的一种方便的表示法。任何一本关于编译器的好书都会有一章介绍 NFA 和 DFA。
3. 可能没有，或者说不多。你的话越长，你必须允许的回溯就越多。