regex - 使用否定字符类在内部如何工作(无需回溯)？

Question

我读到要停止在正则表达式中回溯，可以使用否定字符类。就像我们想匹配 <Em>在This <Em>is the shiz <Em> ，我们可以使用<[^>]+>这比 <.+?> 更快因为后者在每个字符之后回溯，而前者根本不回溯。
有人可以解释一下 <[^>]+> 内部如何匹配吗？

Answer 1

您必须首先了解贪婪量词和惰性量词如何工作。

惰性量词将测试每个字符后面的子模式(示例中的 > )是否匹配。贪婪量词将获取所有可能的字符，并且只有在需要时才会回溯以使下一个子模式(示例中的 > )匹配。

但是，如果您使用不包含字符 > 的否定字符类，而不是点(匹配除换行符之外的所有内容)。 ，你肯定不会有回溯的步骤。我希望说清楚!

为了说明我所说的，我建议您使用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

特别是关于 PCRE:PCRE 库默认通过自动内部优化进行编译。如果您使用否定字符类并后跟排除的字符，则量词会自动转换为所有格量词。此功能只能在编译时更改。 (source)。 Perl 大概也是这样。