regex - 原子团清晰度

Question

考虑这个正则表达式。

a*b

这将在 aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaac 的情况下失败

这需要 67调试器中的步骤失败。

现在考虑这个正则表达式。

(?>a*)b

这将在 aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaac 的情况下失败

这需要 133调试器中的步骤失败。

最后这个正则表达式:

a*+b  (a variant of atomic group)

这将在 aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaac 的情况下失败

这需要 67调试器中的步骤失败。

当我检查基准时 atomic group (?>a*)b执行 179%快点。

现在原子组禁用回溯。所以在比赛中的表现很好。

但是为什么步数多呢？有人可以解释一下吗？

为什么会有差异。在两个原子组之间的步进(?>a*)b和 a*+b .

它们的工作方式不同吗？

Answer 1

Author note:

    This answer targets question 1 as delivered by the bounty text "I am looking forward to the exact reason why more steps are being needed by the debugger.I dont need answers explaining how atomic groups work.";
    Jerry's answer addresses the other concerns very well, while my other answer takes a ride through the mentioned constructs, how they work, and why they are important. For full knowledge, simply reading this post is not enough!

正则表达式中的每个组都需要一步步进入和退出该组。
什么？!
是的，我是认真的，请继续阅读...
首先，我想向您展示量化的非捕获组，而不是没有组:

Pattern 1: (?:c)at
Pattern 2: cat

那么这里究竟发生了什么？我们将匹配模式与测试字符串 "concat"在禁用优化的正则表达式引擎上:

在此期间，我向您介绍了更多组:

不好了!我将避免使用组!
可是等等! 请注意匹配所采取的步数为 否 与比赛表现的相关性。 pcre正如我提到的，引擎优化了大部分“不必要的步骤”。 尽管在禁用优化的引擎上采取了更多步骤，但原子组仍然是最有效的。
也许相关:

Why is a character class faster than alternation?