Regex GNU-grep与复合模式

我已经阅读了，也了解了的实现，但我真正想知道的是grep如何处理复合模式，例如

pat1 | pat2

甚至

[ABC]

grep正在构建解析树吗？或者检查复合模式，就好像它是一个简单模式列表一样

到目前为止，我还没有找到任何合理的网站来解释这一点

---

请快速解释并提供参考。

除了阅读注释中建议的代码外，最好从正则表达式匹配开始。Russ描述了构造DFA（确定性有限自动机）的算法，提到

grep

和

awk

都使用该算法的变体

这些实用程序的Gnu版本使用类似的方式构造一个函数，然后按照Russ的建议，缓慢地构造相应的函数，以避免NFA->DFA算法中潜在的指数爆炸。算法的延迟执行不需要对该算法进行任何更改；它只是按需执行所需的计算，保留计算功率集的缓存。如果缓存大小超过某个限制，则会删除缓存项以为新的缓存项腾出空间

gnugrep还包括许多优化，旨在使它在使用公共模式时工作得更快，这些优化使代码变得相当复杂。但是，如果您想开始读取源代码，可以从Gnulib for NFA->DFA转换算法中的函数（function

dfaexec_main

，它可以在DFA中移动并根据需要计算新状态），以及文件中的NFA构造（function

re_compile\u internal

）开始

---

既然在一篇评论中提到了它，我应该澄清一下，OP所称的“复合模式”实际上只是在其一种伪装中使用交替运算符（包括可选运算符），可以写成

（…|）

。和字符类，它们只是交替的紧凑表示，正如Russ在链接文章中指出的。）

---

“复合模式”还有另一种可能的含义，因为grep允许通过多次使用

-e

命令行参数，或者通过使用

-f

选项从文件中读取模式（每行一个），来指定多个模式。Grep然后对所有模式同时执行搜索，这可以看作是一个复合搜索。然而，这与简单的交替并没有什么不同；在内部，grep只是将所有选项合并到一个以交替运算符为标点的长正则表达式中，然后再将其编译成单个NFA。

除了阅读注释中建议的代码外，最好从正则表达式匹配开始。Russ描述了构造DFA（确定性有限自动机）的算法，提到

grep

和

awk

都使用该算法的变体

这些实用程序的Gnu版本使用类似的方式构造一个函数，然后按照Russ的建议，缓慢地构造相应的函数，以避免NFA->DFA算法中潜在的指数爆炸。算法的延迟执行不需要对该算法进行任何更改；它只是按需执行所需的计算，保留计算功率集的缓存。如果缓存大小超过某个限制，则会删除缓存项以为新的缓存项腾出空间

gnugrep还包括许多优化，旨在使它在使用公共模式时工作得更快，这些优化使代码变得相当复杂。但是，如果您想开始读取源代码，可以从Gnulib for NFA->DFA转换算法中的函数（function

dfaexec_main

，它可以在DFA中移动并根据需要计算新状态），以及文件中的NFA构造（function

re_compile\u internal

）开始

---

既然在一篇评论中提到了它，我应该澄清一下，OP所称的“复合模式”实际上只是在其一种伪装中使用交替运算符（包括可选运算符），可以写成

（…|）

。和字符类，它们只是交替的紧凑表示，正如Russ在链接文章中指出的。）

---

“复合模式”还有另一种可能的含义，因为grep允许通过多次使用

-e

命令行参数，或者通过使用

-f

选项从文件中读取模式（每行一个），来指定多个模式。Grep然后对所有模式同时执行搜索，这可以看作是一个复合搜索。然而，这与简单的交替并没有什么不同；在内部，grep只是将所有选项合并到一个以交替运算符为标点的长正则表达式中，然后再将其编译成一个NFA。

参考资料如下：但没有快速解释；）你说的“解析树”是什么意思？@rici我指的是为Aho-Corasick算法构建的trie。我知道这不是一个“死板”的定义，但我缺少一个更好的词。@vaultalliner:That's a trie:），可以肯定，这是一种树，但与解析几乎没有关系。如果你的意思是“grep正在构造一个有限自动机吗？”，那么根据我的答案和相关文章，答案是肯定的。参考文献如下：不过没有快速的解释；）你说的“解析树”是什么意思？@rici我指的是为Aho-Corasick算法构建的trie。我知道这不是一个“死板”的定义，但我缺少一个更好的词。@vaultalliner:That's a trie:），可以肯定，这是一种树，但与解析几乎没有关系。如果你的意思是“grep正在构造一个有限自动机吗？”，那么根据我的答案和链接的