關於多正則匹配

我們一直用java，很明顯，用java 的 Pattern 類無法滿足需求。 你不能採取下述笨方法吧？

for( Pattern pat : allpats) {

Matcher m = pat.match(text);

while(m.find()){

//do something

}

}

那麼什麼方法比較好啊？

一般地， REGEXP 的現代實現內部都有一個 Automation， 不是 NFA 就是 DFA， 或者二者都有。 國內有一個叫雷宵鵬的，好像研究過這個問題。國外的，有一個開源項目，lightgrep，也是多正則匹配的。

我在github 上放了一個項目 zhouzusheng/multiregexp, 就是對lightgrep 的一個java 封裝。

lightgrep 內部，也是用NFA 構造的，最後也轉換成了 DFA，所以能高效實現匹配。

但是，所有用DFA的，都有一個缺點，無法實現正則的分組捕獲， 這也是一個遺憾吧。

當然，適當犧牲性能，匹配到後再次計算一下，是可以實現分組的。這裡不考慮。

簡單廣告一下，我的包裝的功能

1. 同時支持單模式與多模式
2. 支持一次編譯，多次使用，其中使用過程可以在另外的線程中
3. 支持編譯後序列化為位元組數組，進而可以序列化到文件。當然也支持序列化載入
4. 匹配支持字元串或者位元組數組
5. 匹配位置自動轉換為按字元計數而不是原始的位元組計數
6. 支持相當廣泛的unicode 屬性名稱匹配

推薦閱讀：