编译正则表达式时会发生什么？答案

【问题标题】：What happens when you compile regular expressions?编译正则表达式时会发生什么？
【发布时间】：2011-08-09 16:39:11
【问题描述】：

我们都知道，您可以将常用的正则表达式编译成性能非常好的东西。但幕后究竟发生了什么巫术？

我猜想那里建立了一个有限状态自动机，但你一定比我更清楚。

【问题讨论】：

“在那里建立了一个有限状态自动机”。正确的。你还想知道什么？真的就是这么简单。
@S.Lott：嗯，我认为构建它们很复杂。您可以发布例如众所周知的算法或其他内容。当有人实现 RE 库时，作案手法是什么？
考虑到捕获组和扩展的 RE 功能，为实现正则表达式而生成的代码可能会比有限状态自动机复杂一些。
知名算法？您希望我们为您查看哪个 RE 库？您确实拥有与我们其他人相同的资源访问权限。此外，许多高级 CS 站点都有关于 RE 操作的教程。我不清楚你想知道什么你还不知道。你已经描述得很完整了。
此外，要了解更多细节需要放弃与语言无关的标签。

【解决方案1】：

正则表达式编译的细节因实现而异。例如，Python 或re2 中的编译只是创建一个正则表达式对象的实例。该对象的状态机可以建模为图形或虚拟机。如果没有编译（例如：RE.match(expression, input)），每次调用match 时都会在后台创建一个新的正则表达式对象。如果您要多次使用一个表达式，这是不必要的工作。

在 C# 中，three things can happen when you compile 之一：

创建一个正则表达式对象（实现为虚拟机）类似于 Python 和 re2。
创建正则表达式对象，并将其虚拟机操作码即时编译为内存中的 IL 指令。
创建正则表达式对象，并将其虚拟机操作码作为 IL 指令编译到磁盘。

您提到了对算法的兴趣。看看 Russ Cox 关于两种方法的优秀文章：

Regular Expression Matching Can Be Simple And Fast - 描述基于图的机器
Regular Expression Matching: the Virtual Machine Approach - 描述虚拟机实现

【讨论】：

一个很好的答案，但我希望接受这个不会阻止其他人回答，如果他们有任何很酷的东西要分享:)

【解决方案2】：

编译正则表达式类似于编译 Java 或 Python 代码；正则表达式被转换为 RE 引擎随后解释的中间表示，以便对字符串执行适当的操作。

【讨论】：

这就是你认为它必须工作的方式。但是，曾几何时，我曾经将正则表达式直接编译为 Z80 机器码——当然，今天也可以这样做（当然，这会失去机器独立性）