Previous: 正则表达式函数, Up: 正则表达式   [Contents][Index]

---

35.3.5 正则表达式的常见问题 ¶

Emacs 的正则表达式实现与同类工具一样，总体上非常健壮，但偶尔会以两种方式引发问题： 匹配可能耗尽内部栈空间并抛出错误，或者匹配耗时过长。 以下建议可以降低这些问题出现的概率，并缓解已发生的问题。

• 使用零宽断言（‘^’ 和 \`）将正则表达式锚定在行、字符串或缓冲区的开头。 这能利用实现中的快速路径，避免无效的匹配尝试。 其他零宽断言也可能通过让匹配提前失败带来优化效果。
• 尽量使用括号表达式替代选择模式：编写 ‘[ab]’ 而非 ‘a\|b’。 注意大多数情况下，‘\s-’ 和 ‘\sw’ 分别等价于 ‘[[:space:]]’ 和 ‘[[:word:]]’。
• 由于选择模式的最后一个分支不会在栈上添加回溯点， 可以考虑将最可能匹配的模式放在最后。 例如，‘^\(?:a\|.b\)*c’ 在尝试匹配很长的 ‘a’ 字符串时会栈溢出， 但等价的 ‘^\(?:.b\|a\)*c’ 则不会。

  （这是一种权衡：匹配成功的选择模式，将最常匹配的模式放在前面会运行更快。）

• 尽量确保文本的任何部分只能以单一方式匹配。 例如，‘a*a*’ 与 ‘a*’ 匹配的字符串集合相同， 但前者可以通过多种方式匹配，因此如果后续匹配失败，会导致缓慢的回溯。 尽可能让选择模式的分支互斥，这样匹配在失败前不会深入多个分支。

  对嵌套重复要格外小心：存在歧义时，它们很容易导致匹配速度极慢。 例如，‘\(?:a*b*\)+c’ 在尝试匹配中等长度的 ‘a’ 字符串时， 失败前会耗时很久。等价的 ‘\(?:a\|b\)*c’ 快得多， 而 ‘[ab]*c’ 效果更好。

• 除非必要，否则不要使用捕获组；也就是说，仅用于括号包裹时， 使用 ‘\(?:…\)’ 替代 ‘\(…\)’。
• 考虑使用 rx（see rx 结构化正则表达式表示法）；它可以自动优化部分选择模式， 并且除非显式请求，否则不会生成捕获组。

如果遵循以上建议后仍然遇到正则表达式栈溢出， 不妨通过多次函数调用执行匹配，每次使用更简单的正则表达式， 更容易控制回溯行为。

Function: re--describe-compiled regexp &optional raw ¶

为了帮助诊断正则表达式或正则表达式引擎本身的问题， 该函数返回一个字符串，描述 regexp 的编译形式。 要理解其含义，可能需要阅读 Emacs 源代码中 src/regex-emacs.c 文件 里关于 re_opcode_t 类型的说明。

当前仅当 Emacs 使用 --enable-checking 编译时， 该函数才能给出有意义的描述。