渊源

 - 模式匹配（SNOBOL语言）
 - 1956年 数学家Stephen Cole Kleene 用数学符号定义正则集（regular sets）
 - 1968年 两种用途：
 -  - Ken Thompson 用于编辑器 QED的文本匹配
 -  - 加入Unix编辑器ed 诞生grep：

g/ re /p--“Global search for Regular Expression and Print matching lines”
 -  - Douglas T. Ross等 **编译器设计中的词法分析**
 - 1970s，各种变体：Emacs 和 Unix的vi ， lex ， sed ， AWK，expr
 - 1992年，形成标准POSIX.2

渊源

 - 1986年，Henry Spencer编写正则表达式库，后来为Tcl编写了一个高级正则表达式的实现
 - Perl使用并扩展了Spencer的原始库，不断增改功能和改bug
 - 1997年，Philip Hazel开始开发了PCRE （Perl Compatible Regular Expressions），模仿Perl的正则表达式功能，并被更多工具（PHP和Apache HTTP Server）使用

语法-分隔符

"re"    作为字符串输入（C，Java和Python）
/re/    /的用法起源于ed，是搜索编辑器的命令， 可以和其他命令组合，如g/re/p
s/re/replacement/    给出搜索和替换

s,re,replacement    避免escape的写法

语法-元字符

字符

字符组

锚点

组合

规则1

优先选择最左端的匹配结果

规则2

标准量词是匹配优先的

？、*、+、{min,max}

优化

-正确性：匹配期望的，不期望的匹配失败
-易于调整和理解
-效率

优化

-避免重新编译
-使用非捕获型括号
-不滥用括号
-不滥用字符组
-使用起始锚点

循环中声明
(?:xxx)                不适用于js
(.)* -> .*             捕获有代价
[a] ->a               字符组有代价
.*xxx->^.*xxx   减少回溯

优化

-从量词中提取文本      x+ -> xx*  -[3,5] -> ----{0,2}
-从多选结构提取文本  (this|that) -> th(is|at)
-从多选结构提取锚点  ^123|^abc -> ^(?:123|abc)

-减少多选
-最可能匹配的多选放最前  
-回溯最少的多选放最前        .*|a  -> a|.*  

应用

匹配ip地址

应用

/[0-9]*\.[0-9]*\.[0-9]*\.[0-9]*/
/\d*\.\d*\.\d*\.\d*/

正确的量词->
/\d+\.\d+\.\d+\.\d+/
/\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}/
/d/d?/d?   /d(/d/d?)?

应用