什么意味着原子分组会出现更快的故障？

Question

注意事项 :-这个问题是有点长，因为它包括一个章节从书。

我读到了来自掌握正则表达式的关于掌握正则表达式的文章。

给出了atomic groups导致更快的故障。引用书中的那一节

使用原子分组更快的失败。认为^\w+:应用于Subject。我们可以看到，只要看一下它，它就会失败，因为文本中没有冒号，但是regex引擎只有通过检查的动作才能得出这个结论。 因此，当第一次检查:时，\w+将已经前进到字符串的末尾。这导致了许多状态--每个\w匹配的加号都有一个\w状态(除了第一个，因为plus需要一个匹配)。当在字符串末尾选中时，:会失败，因此regex引擎返回到最近保存的状态：

此时，:再次失败，这一次试图匹配t。这种回溯-测试失败循环一直持续到最古老的状态：

在最终状态的尝试失败后，最终可以宣布总体失败。所有这些回溯都是大量的工作，仅仅看一眼我们就知道是不必要的。如果冒号在最后一个字母之后不能匹配，它肯定不能匹配+被迫放弃的一个字母！

因此，知道\w+留下的任何状态，一旦完成，都可能导致匹配，所以我们可以为regex引擎省去检查它们的麻烦：^(?>\w+):。通过添加原子分组，我们使用正则表达式的全局知识，通过丢弃保存的状态(我们知道这是无用的)来增强\w+的本地工作。如果有匹配，原子分组就不重要了，但是如果没有匹配，丢弃无用的状态让正则表达式更快地得出结论。

我试过这些regex 这里。它对^\w+:执行了4个步骤，对^(?>\w+): 执行了6个步骤(禁用了内部引擎优化)

我的问题

1. 上文第二段提到，

因此，当第一次检查:时，\w+将已经前进到字符串的末尾。这会导致很多状态--每个\w匹配的一个跳过me状态(除了第一个，因为加号需要一个匹配)，然后在字符串末尾检查.When，:失败，因此regex引擎返回到最近保存的状态：

此时，:再次失败，这一次试图匹配t。这种回溯-测试失败循环一直持续到最古老的状态：

但在这网站上，我没有看到任何回溯。为什么？

内部是否正在进行一些优化(即使在禁用之后)？

1. 一个regex所采取的步骤数量是否决定一个regex是否比其他regex具有良好的性能？

Answer 1

该站点上的调试器似乎掩盖了回溯的细节。RegexBuddy做得更好。下面是它为^\w+:显示的内容

​

​

在\w+使用完所有字母后，它会尝试匹配:并失败。然后，它返回一个字符，再次尝试:，然后再次失败。以此类推，直到没有什么东西可以归还。一共十五步。现在看看原子版本(^(?>\w+):)：

​

​

在第一次与:不匹配后，它立即将所有的字母返回，就好像它们是一个字符一样。总共有五个步骤，其中两个正在进入和离开小组。使用拥有式量词(^\w++:)甚至可以消除以下情况：

​

​

至于您的第二个问题，是的，regex调试器的步数度量是有用的，特别是如果您只是在学习regexes。每个regex版本至少有几个优化，允许即使编写得不好的正则表达式也能充分地执行，但是调试器(特别是与版本无关的调试器，比如RegexBuddy)可以在您做错事时清楚地显示出来。