Hạn chế của Biểu thức chính quy?

Question

Tôi đã sử dụng Cụm từ thông dụng trong một vài năm và cảm thấy thoải mái với họ, nhưng tôi đã tự hỏi liệu có bất kỳ hạn chế nào khi sử dụng chúng hay không. Tôi biết về những hạn chế liên quan đến đệ quy (được thảo luận ở đây http://blogs.msdn.com/b/jaredpar/archive/2008/10/15/regular-expression-limitations.aspx). Có bất kỳ hạn chế nào liên quan đến bộ nhớ không? Tôi giả sử bạn có thể nắm bắt một chuỗi lớn như bạn có thể phù hợp với bộ nhớ (hoặc VM sẽ cho phép bạn).

Có bất kỳ hạn chế nào khác với regex mà tôi nên biết không?

Cảm ơn trước,

Chris

Answer 1

Hạn chế

1. Không thể giải quyết tất cả mọi thứ. (bất kỳ ai trên SO sẽ nói điều gì xảy ra khi bạn cố gắng phân tích HTML bằng regex)
2. Không được sử dụng cho mọi thứ - vấn đề về khả năng đọc và hiệu suất. Sử dụng khi thích hợp. Không phải cho nhiệm vụ đơn giản, giống như các chuỗi của chuỗi, và cũng không cho nhiệm vụ phức tạp.

Bottomline, nó là một công cụ. Sử dụng nó giống như bất kỳ công cụ nào khác. Đừng sử dụng nó. Đừng để nó là công cụ duy nhất trong bộ công cụ của bạn.

Answer 2

Các regex cực kỳ có thể khá chậm và thiếu bộ nhớ. Tôi biết, bởi vì tôi đã tạo ra một cái. Nó có thể tokenize những gì không nên được tokenized bởi một regex. :-) nếu bạn muốn có một liên kết ... Bây giờ ... Tôi chưa bao giờ điểm chuẩn "nhỏ" regexes vì ​​vậy tôi không biết tốc độ của họ. Họ chắc chắn là nhỏ gọn để viết.

Ah tôi đã quên, regexes là The Evil. Vấn đề chính của họ là chúng giống như búa và khi bạn có chúng, bạn cố gắng làm cho mọi vấn đề giống như móng tay. Vì vậy, vấn đề chính của họ là trong người dùng (lập trình viên).

Giới hạn "lớn" đầu tiên: Javascript chỉ triển khai một tập hợp con của chúng, không hỗ trợ Unicode. Thông thường, ngôn ngữ bạn sử dụng phía máy chủ có triển khai hoàn chỉnh hơn, do đó bạn bị giới hạn bởi js. Ngay cả việc triển khai khá hoàn chỉnh như .NET có giới hạn lớn: không hỗ trợ cho các cặp thay thế và không hỗ trợ cho các ký tự "được tạo" (các ký tự sử dụng dấu kết hợp). Nhưng, như thường lệ, vấn đề nằm trong lập trình viên. Làm thế nào nhiều lập trình viên biết Unicode biết phức tạp của Unicode, của các bộ chữ số khác nhau, của dấu phụ?

Giới hạn "lớn" thứ hai: bảo trì. Chúng phức tạp và không thể đọc được khi chúng được viết. Nhưng vài tháng sau? Họ trở nên tồi tệ hơn! Và nếu bạn phải đào tạo một lập trình mới, bây giờ anh ta phải học thêm một ngôn ngữ nữa: regex.

Giới hạn "lớn" thứ ba: chúng ẩn quá nhiều. Bạn thấy \d\s\d. Nó có nghĩa là gì? một chữ số một không gian và một chữ số? Chắc chắn rồi. Nhưng cả hai \d và \s trong .NET Regexes "ẩn" một microworld. \d "đối sánh" bất kỳ chữ số không phải châu Âu nào (và có nhiều chữ cái trong Unicode). \s "phù hợp" rất nhiều không gian bí truyền mà tôi thậm chí không biết tên ... Tôi thậm chí không muốn nghĩ về nó. Chúng giống như tảng băng trôi. Chỉ 1/8 là ra khỏi nước, trong khi 7/8 bị ẩn. Nhưng đó là 7/8 có thể sẽ giết bạn.

Answer 3

Regex chỉ có thể phân tích cú pháp thông thường bất kỳ nội dung nào không có ngữ cảnh và bạn cần một ngăn xếp (tức là trình phân tích cú pháp thực).

Đó là chỉ giới hạn thực sự của chúng, hiệu suất phụ thuộc vào việc triển khai cụ thể, nhưng thường chậm ngay cả được biên dịch trước so với máy trạng thái.