再识正则表达式（二）

简介

回顾上一节，我们简述了正则表达式的一些语法和概念，那么从这节开始，我会围绕工作原理、回溯这两个点开始讲解，中间也会插入一些简单例子，帮助大家更好的理解。

工作原理

编译

编译的原理，不是这节的重点，我就简单提一下，这里的编译指的就是NFA表达式引擎，使用一个表达式的直接量或者RegExp的构造函数，可以创建一个正则表达式的实例，JS解释器在语法分析时候查看语法是否错误，然后转化成可以实际执行的代码例程（native code routine），在ES5之前版本中循环执行一个正则表达式字面量，都将引用同一个表达式，在ES5规范中明确表示，正则表达式字面量必须和构造函数创建一致，每次都创建新的实例。示例如下

let reg = null
for (let i = 0; i < 10; i++) {
    //IE8之前的浏览器中非 g 修饰符的表达式，每次lastIndex也会变化
    reg = /\d/g
    // ES5之前reg的实例将会复用，意味着lastIndex的每次都不是从0开始
    reg.test(`${i}`)
}

这里要提一下lastindex这个属性，它表示当前正则表达式所处于匹配目标中的位置。

回溯

NFA引擎的回溯，它会依次处理各个子表达式，遇到需要在两个或者多个成功可能中进行选择时，会先选择其一，同时将当前正则位置记录在备用分支中。

一般来讲，需要做出选择的情况包括量词和多选结构，其中量词分为优先匹配量词、忽略优先匹配量词、占有优先匹配量词（JavaScript暂不支持），只要其中一个分支成功，则整个表达式成功，如果一个分支失败，会进入到刚才记录的备用分支尝试回溯，直到所有分支回溯失败，整个表达式回溯失败，除了正则表达式的备用分支需要记录，对应匹配的字符串位置也需要记录，方便回溯。

回溯进行时，应该选择哪个保存状态，其中有个重要原则

1、对于优先匹配量词，引擎会进行尝试，对于忽略优先量词，引擎会跳过尝试。
2、距离当前最近存储分支，使用原则是LIFO，一个栈结构

这里我再补充一下忽略优先量词和优先量词的定义，方便大家理解

优先匹配量词：+、?、*，{0，}
忽略优先匹配量词：（*?、??、+?）

优先匹配量词

理解了基础的回溯原理，我们来看一个简单的例子

let reg = /\w+\d/
let str = 'abcdefg123'
reg.exec(str)

\w+为优先匹配量词，所以，引擎会选择尝试所有可能，记录每一次匹配的备用状态，直到整个字符串结尾

匹配到字符串结尾后，发现还有子表达式尚未校验，所以开始回溯到自己记录的最近一次回溯点，此时交出字符串3，引擎把控制权移动到下一位子表达式\d，发现子表达式成功，整个表达式匹配成功

这里需要注意的是，回溯不仅需要重新计算正则表达式和文本的对应位置，也需要不断的维护括号内（分组）子表达式内匹配文本，再看一个例子

let reg = /.*([0-9][0-9])/
let str = 'CA95472**USA'
reg.exec(str) //72

.*用来表示一组任意字符，因为点号可以匹配任意字符，而星号表示任意数量，同样也是优先匹配量词，注意这个表达式中，我们加入了分组的括号，对应的正则的$1属性，优先匹配量词在字符串结尾处，开始回溯，移交控制权，每一次回溯，除了移动回溯状态，还会维护分组内的值，影响匹配效率

忽略优先匹配量词

忽略优先量词的概念我们在上面已经提到了，我们直接来看一个实际的例子，帮助我们理解

let reg = /<b>(.*)<\/b>/
let str = '<b>我是加粗的字体</b><b>我也是加粗的</b>'
reg.exec(str) // 我是加粗的字体</b><b>我也是加粗的字体

上述表达式我们的本意是截取一段B标签内部的文本，但是，截取了其余的同类标签，这原理和我们上面描述的回溯是一样的，那我们如何截取第一段文本呢，这时候需要用到忽略优先量词

let reg = /<b>(.*?)<\/b>/
let str = '<b>我是加粗的字体</b><b>我也是加粗的字体</b>'
reg.exec(str) // 我是加粗字体

这里我们可以看到，字符串已经成功截取到了我们想要的结果，那，忽略优先量词是如何运行的呢，我们看下图

上图我们可以发现，第二步的时候，居然绕过了.*?这个表达式，直接走到了后面的</b>表达式，原因在于忽略优先匹配，默认规则为不匹配，即使后期通过回溯回来，它也是步步为营，每走一步都会存储备用状态，并且在下次匹配时，优先忽略自己，然后继续匹配失败，继续回溯，要想让整个表达式失败，引擎必须尝试所有可能。

那么有没有一种可能让引擎能够快速失败呢，答案肯定是有的，那就是固化分组和占有优先量词，固化分组的支持度不高，所以在下一节中，我们会带过一下。

小结

本节重点讲述了回溯的一些常见情况，还有一些分支判断的例子未涉及到，其实和量词是一样的，有兴趣的朋友可以下去摸索一下，下一节，重点围绕顺序环视、固化分组，以及使用顺序环视来模拟固化分组