精通正则表达式五：NFA与DFA

定义

NFA与DFA是正则表达式引擎所使用的两种基本技术：

NFA：非确定型有穷自动机
DFA：确定型有穷自动机

作者用用电动机来比喻DFA，用汽油机来比喻NFA，他们确实有许多相似之处：
1.汽油机的历史更长，NFA的历史也比DFA长
2.汽油机应用更加广泛，NFA的应用也比DFA更加广泛
3.汽油机可分为达到加利福尼亚州的尾气排放标准(更严格)和没有达到两种，NFA也分为POSIX NFA和传统型NFA，POSIX NFA是为了规范正在表达式的使用，也是一种新标准。
因此，正则表达式的引擎实际上可以分为三种：

DFA
传统型NFA
POSIX NFA

还有一类特殊的的引擎类型，就是DFA与NFA混合，如:
GNU grep/egrep、Tcl、GUN awk。
我们所使用的许多语言都是用的传统型NFA，比如Java、Perl、Python、PHP、Ruby等。

测试引擎类型

有时候并不知道我们使用的工具是那种类型，可以用几个测试用的表达式来分辨引擎的类型
1.看是否支持忽略优先量词，如果支持，基本就能确定是传统型NFA：

用正则表达式：nfa|nfa not 来匹配字符串 nfa not,如果匹配结果是nfa，就是传统型NFA

2.如果第一步不匹配，再试捕获型括号，DFA不支持捕获型括号和回溯，当然，也可能会遇到同时使用两种引擎的混合系统，在这种系统中，如果没有使用捕获型括号，就会使用DFA，反之使用NFA

表达式主导与文本主导

DFA和NFA反映了正则表达式在应用算法上的根本差异，NFA为表达式主导，DFA为文本主导，有什么区别呢？

表达式主导：
如用正则表达式：to(nite|knite|night) 来匹配文本：tonight,正则表达式中第一个是‘t’，他会重复尝试，知道在匹配文本中找到‘t’为止，之后检查后续文本是否匹配‘o’，如果能，会接着检查选择分支，引擎会依次尝试‘nite’，‘knite’，‘night’这三种可能，直到匹配成功或全部尝试完后匹配失败，在匹配‘nite’时，会想上面一样一次匹配‘n’，‘i’，‘t’，‘e’，如果失败，在尝试另一种可能。表达式中的控制权在不同的元素之间转换，所以称之为“表达式主导”。

文本主导：
DFA引擎在扫描字符串时，会记录当前有效的所有可能匹配，如上例中，当扫描到匹配文本的‘i’字符时，它会记录下两个可能匹配的位置‘nite’中的‘i’和‘night’中的‘ni’，从而把knight淘汰，再扫描匹配文本中的‘g’,这时只有‘night’能匹配，只剩下一种可能，然后依次匹配‘h’和‘t’，引擎发现匹配已经完成，报告成功。它是扫描的字符串中的每个字符都对引擎进行了控制，所以称为“文本主导”。

我们会发现，NFA效率会低于DFA，因为DFA每个字符只会扫描一次，而NFA对同一字符会扫描多次。