R 使用哪种正则表达式引擎类型作为标准？答案

【问题标题】：Which regular expression engine type does R use as a standard?R 使用哪种正则表达式引擎类型作为标准？
【发布时间】：2015-09-11 04:27:16
【问题描述】：

Jeffrey Friedl 在他的《掌握正则表达式》一书中列出了 3 种主要类型的正则表达式引擎：

传统 NFA
POSIX NFA
DFA（POSIX 与否）

R 使用其中哪些作为标准？

【问题讨论】：

swtch.com/~rsc/regexp 说 TRE 使用 NFA，

标签： regex r

【解决方案1】：

?regex 页面引用了 TRE 文档。在grep.c source 的顶部附近我们看到：

/* As from TRE 0.8.0, tre.h replaces regex.h */
#include <tre/tre.h>

复制我之前的评论：http://swtch.com/~rsc/regexp 说 TRE 使用 NFA。然后PCRE用于perl=TRUE。

【讨论】：

【解决方案2】：

我的理解（但我在官方文档中没有找到）是 R 正则表达式函数默认使用 tcl 正则表达式库，它是 DFA 和 NFA 的混合体。

引擎将首先扫描正则表达式以查找任何非 DFA 兼容的部分并提取 DFA 的部分（因此去除回引用和其他仅在 NFA 中可用的内容）。然后，它会尝试使用 DFA 引擎找到与此（可能）简化模式的匹配项。如果找不到匹配项，则完整的正则表达式将不匹配，并返回失败。如果找到匹配项，则返回并使用 NFA 引擎匹配完整的正则表达式（我认为是传统/非 posix），但从发生简化匹配的位置开始。这比直接的 NFA 引擎快得多（对于非匹配和匹配），但仍然允许您使用 NFA 中 DFA 不支持的所有内容。

如果您在任何函数中指定perl=TRUE，那么它会切换到最类似于传统 NFA 的 pcre 库（尽管我知道它不是 F、A 或传统）。

【讨论】：

?regex 引用了 TRE 库文档。

【解决方案3】：

查看?regex 了解所有血腥细节 (HTML version)。有几种选择。

引用一部分：

本节介绍默认模式下允许的正则表达式 grep、regexpr、gregexpr、sub、gsub 和 strsplit。他们使用一个 POSIX 1003.2 标准的实现：允许一些范围用于解释，这里的解释是目前的解释由 R 使用。该实现支持对标准的一些扩展。

还可以在帮助页面中进一步查看“类 Perl 表达式”，它使用 PCRE 引擎。

【讨论】：

这仍然没有回答问题。我知道它是 POSIX，但它是 NFA 还是 DFA？
@histelheim 因为在 POSIX 模式下支持反向引用，这将是一个 NFA 引擎。
我不知道，这些术语不会出现在 R 文档或包中。 library("sos"); findFn("DFA"); findFn("NFA") 只返回微不足道的、不相关的答案。也许其他人会知道。
@joran 是的，我自己已经解释过了 here，但还有更多的方法可以深入介绍。
好吧，很遗憾得知整个正则表达式游戏还有另一层复杂性......