为什么不创建反向引用？答案

【问题标题】：Why not create a backreference?为什么不创建反向引用？
【发布时间】：2011-03-14 01:57:42
【问题描述】：

我知道将?: 放在正则表达式括号的开头会阻止它创建反向引用，这应该会更快。我的问题是，为什么要这样做？速度的提高是否足以值得考虑？在什么情况下，它会变得如此重要，以至于您每次不打算使用它时都需要小心地跳过反向引用。另一个缺点是它使正则表达式更难阅读、编辑和更新（如果您最终想在以后使用反向引用）。

总之，为什么不创建反向引用呢？

【问题讨论】：

与编程中的任何事情一样，小型设备的速度永远不值得担心。如果你在兆字节的文本上运行这个正则表达式，那么差异会很大。
@Travis，一些执行不力的正则表达式引擎会进行指数回溯，即使是很小的输入也会非常慢。我遇到了将一些 perl 移植到 python 的问题。 Python 已经用它的re 模块解决了很多问题，但是，你在正则表达式极端情况下看到的失败模式可能是 O(2**n) 最坏的情况。
@Mike 我听说过可怕的回溯实现，但是你如何达到 O(2^n)？其中 n = ?

标签： regex backreference

【解决方案1】：

我认为您混淆了像 \1 这样的反向引用和捕获组 (...)。

反向引用通过使语言不规则来防止各种优化。

捕获组使正则表达式引擎做更多的工作来记住组的开始和结束位置，但不如反向引用那么糟糕。

http://www.regular-expressions.info/brackets.html 详细解释了捕获组和对它们的反向引用。

编辑：

在反向引用使正则表达式不规则时，考虑以下匹配 lua cmets 的正则表达式：

/^--(?:\[(=*)\[[\s\S]*?(?:\]\1\]|$)|[^\r\n]*)/

所以--[[...]] 是评论，--[=[...]=] 是评论，--[==[...]==] 是评论。您可以通过在方括号之间添加额外的等号来嵌套 cmets。

这无法通过严格的regular language 匹配，因此简单的有限状态机无法在 O(n) 时间内处理它——你需要一个计数器。

Perl 5 正则表达式可以使用反向引用来处理这个问题。但是一旦您需要非常规模式匹配，您的正则表达式库就必须放弃简单的状态机方法，而使用更复杂、效率更低的代码。

【讨论】：

不错。 +1 为他甚至无法正确提出的问题提供正确的解决方案。
这不是一个好的答案，我没有将反向引用的创建与捕获组混淆。这个答案根本没有回答这个问题。我问为什么强制正则表达式阻止创建反向引用（使用捕获组）。没有混乱。至于答案，第二段有很好的回应，但您没有提供任何解释或示例。使语言不规则是什么意思？我不关心捕获组与反向引用的比较，我只是在谈论跳过反向引用创建
@tandu，我不知道什么是“强制正则表达式阻止创建反向引用”。正则表达式包含捕获组。通常只有捕获组 1 到 9 可以在替换字符串中引用为 $1...$9，因此这是不让所有括号组都成为捕获组的原因之一。反向引用与捕获组不同。反向引用是出现在正则表达式（而不是替换字符串）中的序列，它引用回捕获组，perl 5 对它们使用\1...\9 语法。
你是什么意思“通常只有组 1-9 可以被引用为 $1⋯$9 在替换中”？ Perl 当然允许你使用尽可能多的编号组，所以你可以说，$388，如果你如此无情地倾向于。其他语言是否会对这类事情施加任意限制？
@tchrist，一些例子。来自grymoire.com/Unix/Regular.html#uh-10“您可以用“\”后跟一个数字来调用记住的模式。因此，要搜索两个相同的字母，请使用“([a-z])\1”。您可以有 9 种不同的记住模式。 Python 最多允许 99 个：docs.python.org/library/re.html。我相信Java是无限的。 JavaScript 允许超过 9 个，但我没有测试过限制。

【解决方案2】：

你说得对，性能并不是避免捕获组的唯一原因——事实上，它甚至不是最重要的原因。

另一个缺点是它使正则表达式更难阅读、编辑和更新（如果您最终想在以后使用反向引用）。

我反过来看：如果您习惯性地使用非捕获组，那么当您确实选择捕获某些东西时，跟踪组号会更容易。同样，如果您使用命名组（假设您的正则表达式支持它们），您应该始终使用命名组，并始终引用它们（在反向引用中或替换字符串）按名称，而不是按数字。始终遵循这些规则将至少部分抵消非捕获组的可读性损失。

是的，这是一个 PITA，必须以这种方式混淆您的正则表达式，编写/维护正则表达式实现的人都知道这一点。在 .NET 中，您可以设置 ExplicitCapture 选项，从而将所有“裸”括号视为非捕获组，并且仅捕获命名组。在 Perl 6 中，括号（带或不带名称）总是捕获，方括号用于非捕获组。其他口味最终可能会效仿，但与此同时，我们只需要依靠良好的习惯即可。

【讨论】：

perl5 语法的问题是做你想做的事情很混乱，即使用大量(?:⋯) 进行简单的未命名分组，使用(?<ɴᴀᴍᴇ>⋯) 进行命名捕获和@ 987654324@ 用于命名的反向引用。尽管比 (⋯)、\1 和 $1 要好得多，但它们都更加冗长/嘈杂。