关于正则表达式解析器的C实现的建议

我正在考虑在我正在开发的C库中实现一个正则表达式解析器。现在的问题是：是否有任何开源代码我可以一字不差地使用或尽可能少地修改？我对守则的期望如下：

• 它需要用C语言编写（不是C++）
• 它需要在gcc、mingw、M$VC下编译
• 它不能依赖于任何第三方或特定于操作系统的头文件/库（即，编译它所需的一切都必须在基本安装gcc、mingw、M$VC时随时可用）
• 如果它使用与Perl兼容的正则表达式语法（如PHP中的PCRE），那就太好了
• 理想情况下，代码应该尽可能紧凑

有什么现成的解决方案可以推荐吗？我在看PCRE for C，它似乎拥有PHP中可用的一切（哪些规则），但大小（1.4MB DL）有点吓人。你认为这是一个可靠的赌注吗？或者还有其他值得考虑的选项吗

[编辑]

---

我正在开发的库是开放源码的，BSD许可证。

PCRE很大，因为正则表达式很难实现。而且大部分都是文档和支持代码；编译成目标代码时要小得多。

PCRE几乎是regex实现的事实标准（这是一个很好的理由）。不要担心大小，它很大，因为正则表达式实现很复杂。不管怎样都可以使用它。

如果您对POSIX正则表达式语法感到满意，您可以尝试TRE。如果您想要Perl语法，Google有一个新的实现值得检查。

，Google正则表达式实现在线性时间内进行匹配（

O（n）

如果

n

是字符串的长度），PCRE和大多数其他regexp引擎在最坏情况下以指数时间运行。另一个值得注意的

O（n）

regexp matcher是，但它在编译时需要所有可能的regexp。如果您正在寻找比PCRE更小的东西，请查看中的regexp matcher或中的模式matcher。

您将在什么许可证下发布库？PHP是在C上构建的。如果PHP将PCRE用于C，我不会感到惊讶。@Jefromi:谢谢您的提问关于这件事，我忘了添加那条信息。我已经更新了问题。@Benedict:我想是的：）M$？认真地这就像十年前一样酷。正则表达式并不难；PCRE只是膨胀了，上次我检查它是

O（2^n）

。一个完整的POSIX正则表达式实现的重量应小于10k（x86机器代码）；我不确定Perl风格的正则表达式（它甚至不是一种常规语言），因为它有各种奇怪的扩展，但我严重怀疑PCRE如此大是否有合理的理由。PCRE之所以是O（2^n），是因为它支持Perl风格的正则表达式（支持反向引用）。您是否编写了回溯正则表达式实现？你说它不难，或者它应该有多大？显然，对于许多纯正则的、非反引用的表达式来说，它是

O（2^n）

，但上次我检查它也有非常糟糕的渐近行为（可能只是

O（n^2）

或

O（nm）

），至于它应该有多大，我瞥了一眼TRE（虽然它使用渐进有效的算法，但代码相当臃肿），发现相关

.o

文件的总

大小（1）

大约为19k。在阅读了一些详细的代码之后，我很快估计您可以减少大约一半的代码大小，同时提高性能（大部分是通过简化数据结构和提前将故障案例隔离到单个检查）。这就是我估计的10k的来源。TRE说它有O（nm^2）。突然间，O（nm）听起来不那么糟糕。我承认TRE的情况非常令人信服，但我不认为PCRE是一个错误的选择。推荐糟糕的代码，因为它是“事实上的标准”，因为foo是“复杂的”（提示：它不是），这不是一个好建议。我不推荐它，因为它是复杂的。我说PCRE“几乎是事实上的标准”。我不认为这是坏代码。@ MiGo，即使C++中有GUTS，也不能用C代码包装它吗？你所说的编译器都是C++的，不是真的。这个库不是我的财产，我只是一个共同维护者。策略相当严格：所有代码都是用C编写的，然后在上面加上一个C++包装器。我真的没有能力影响这件事。