regex - 针对多个正则表达式高效地查询一个字符串

Question

假设我有 10,000 个正则表达式和一个字符串，我想找出该字符串是否与其中任何一个匹配并获得所有匹配项。 简单的方法是针对所有正则表达式一个一个地查询字符串。有没有更快、更有效的方法呢？

编辑: 我试过用 DFA (lex) 代替它 这里的问题是它只会给你一个单一的模式。如果我有一个字符串“hello”和模式“[H|h]ello”和“.{0,20}ello”，DFA 只会匹配其中一个，但我希望它们都命中。

Answer 1

这就是词法分析器的工作方式。

正则表达式被转换为单个非确定性自动机 (NFA)，并可能转换为确定性自动机 (DFA)。

生成的自动机将尝试一次匹配所有正则表达式，并将成功匹配其中一个。

这里有很多工具可以为您提供帮助，它们被称为“词法分析器生成器”，并且有适用于大多数语言的解决方案。

您没有说您使用的是哪种语言。对于 C 程序员，我建议看一下 re2c工具。当然是传统的(f)lex始终是一种选择。