Модификаторы

Модификатор	Описание
(?i)	включен регистро-независимый режим (большие и маленькие буквы не различаются)2
(?-i)	отключен регистро-независимый режим
(?r)	модификатор включает в диапазон а-я букву 'ё' (и в А-Я –букву 'Ё'), а а-Я включает вообще все русские буквы
(?-r)	режим поддержки буквы «Ё» отключен
(?m)	входной текст воспринимается как многострочный. Метасимволы ‘^' и ‘$’' будут совпадать не только в начале и конце текста в целом, но и в начале и в конце каждой строки
(?-m)	многострочный режим отключен
(?s)	входной текст воспринимается как одна строка. Символы перехода строк считаются за пробельные.
(?-s)	однострочный режим отключен. Метасимвол ‘.’ (точка) не совпадает с разделителями строк
(?g)	принудительный перевод квантификаторов в "не жадный" режим (то есть '+' работает как '+?', '*' как '*?' и т.д.)
(?-g)	все квантификаторы работают как обычно
(?x)	позволяет записывать регулярное выражение на нескольких строках (в целях улучшения читаемости) – подробности см. в HLP-файле
(?#комментарий)	так записываются комментарии внутри регэкспа

Примеры:

• Шаблон ‘a(?i)bc’ найдет строки, начинающиеся с «а» маленького, а буквы «bc» уже регистро-независимые: будет найдено «abc», «aBC», «aBc», «abC».

• В шаблоне ‘a((?i)bc)d’ действие модификатора ограничено пределами группы, поэтому буквы «a» и «d» должны быть маленькие, т.к. они не входят в область действия модификатора, а строка «bc» не чувствительна к регистру.

• Шаблон ‘(?i)float’ отыщет “float”, “Float”, “FLOAT” и др., поэтому модификатор (?i) удобен для анализа текстов программ. ■

3.4. Как оно всё работает

Этот параграф – для любознательных. Здесь вкратце описано, как работают регулярные выражения «изнутри». Кому не интересно – можете пропустить.

Работа регулярных выражений основана на обработке текста конечными автоматами (вспомните лабораторную работу по «Теории автоматов» [2]). «Движок» регэкспов, получая регулярное выражение, создаёт в оперативной памяти таблицу переходов конечного автомата. Под действием очередного символа текста автомат переходит из одного состояния в другое, пока не дойдет до «конечного» состояния – считается, что подстрока найдена. При этом запоминается позиция в тексте, где окончился последний поиск. Следующий поиск продолжится с этого места.

Существует несколько типов конечных автоматов (машин регулярных выражений), различающихся сложностью работы, и, как следствие, сложностью обрабатываемых регулярных выражений. В каждом языке программирования (или библиотеке регэкспов) используется один из них:

1. DFA (Deterministic Finite-state Automaton – детерминированный конечный автомат). Он работает линейно по времени, поскольку не нуждается в откатах (и никогда не проверяет один символ дважды). Он может гарантированно найти самую длинную строку из возможных. Однако он не умеет ловить подвыражений (группировок), и не работает с обратными ссылками. DFA используются в awk, egrep, flex, lex.

2. Традиционные NFA-машины (NonDeterministic Finite-state Automaton – недетерминированные конечные автоматы) используют "жадный" алгоритм отката, проверяя все возможные расширения регулярного выражения в определенном порядке и выбирая первое подходящее значение. Традиционный NFA умеет искать подвыражения и обратные ссылки. Но из-за откатов традиционный NFA может проверять одно и то же место несколько раз. В результате работает он медленнее. Поскольку традиционный NFA принимает первое найденное соответствие, он может не найти самое длинное из вхождений. Традиционные NFA машины используются в Perl, Python, Java, Ruby, .Net GNU Emacs, PHP, библиотеках PCRE.

3. POSIX NFA - машины похожи на традиционные NFA-машины, за исключением "терпеливости" – они продолжают поиск, пока не найдут самое длинное соответствие. Поэтому POSIX NFA медленнее традиционных, и поэтому же POSIX NFA нельзя заставить выбрать короткое соответствие, если есть длинное. Одно из главных достоинств POSIX NFA – наличие стандартной реализации. Используется в mawk.