正则表达式正式文档

Question

是否有关于如何实现自己的正则表达式库的正式文档？ 现有正则表达式库的创建者的代码基于哪些正式文档（如果有）？

Answer 1

我已经编写（并放弃）了一个 javascript 解析器，包括正则表达式支持。 我基于 ECMAscript 定义，它本身使用 Perl5 正则表达式。 这是 ECMA 262，我使用的是 1999 年 12 月的第 3 版。（现在有一个更新的版本，我不知道它的正则表达式定义是否完整。）

Answer 2

任何关于自动机理论和/或编译器构造的好教科书，例如Hopcroft 和 Ullman ，都涵盖了正则表达式及其与有限状态自动机的关系，它们可以被编译成有限状态自动机。 一些关于自然语言处理的教科书也是如此，其中通常使用有限状态方法，例如Jurafsky 和 ​​Martin 。

（甚至Ullman 本人在 Coursera 上开设了一门课程，但尚未宣布新课程。）

至于当前 RE 库基于什么文档的问题：关于像我引用的教科书和现有实现的教科书。 我知道的第一个 RE 实现是Ken Thompson 的 QED 版本中的一个，ca。 1967 年。不幸的是，QED 网站上的技术报告引用了很少的参考资料，而且没有一个与 RE/FA 理论相关。 我确信这些想法最终可以追溯到 1950 年代发展起来的 Kleene 的正则语言理论。

Answer 3

正则表达式之所以称为正则是因为这是它们所代表的状态机的属性。 简单地说，一个可能的实现可能使用只是表格的状态机。 正则表达式解析器将为正则表达式创建许多状态和转换，执行它会根据转换经历状态。

例如 /ab+/ 生成类似：

state \ next char:  a       b       $       *
[initial state]     goto 1  fail    fail    fail
1                   fail    goto 2  fail    fail
2                   fail    goto 2  match   fail

（其中 $ 是字符串的结尾，* 是任何其他字符）

Answer 4

我一直在寻找正则表达式，并发现了一个有趣的问题，据我所知，关于它们的问题：为什么正则表达式可以有指数级的运行时间？

根据链接的文章，接受的答案表明RegExp实现（也在 Perl 中使用）“有点”慢，并且它们有一个更快/更简单的算法，被许多优秀的旧 Unix 工具（如 grep）使用。

这个链接直接引到提到的文章： Regular Expression Matching Can Be Simple And Fast ，（第2部分，第3部分）

如果它是实际的，你应该使用这个算法而不是 Perl 的算法来考虑它。