1、为什么要知道些正则匹配原理
知其然，知其所以然。
2、正则匹配引擎
正则引擎大体上可分为不同的两类：DFA和NFA。DFA(Deterministic finite automaton) 确定型有穷自动机，NFA (Non-deterministic finite automaton) 非确定型有穷自动机。
2.1 NFA
|
|
|
|
2.2 DFA
|
|
例：
字符串：this is yansen’s dog
正则表达式：/ya(msen|nsen|nsem)/
NFA工作方式：先在字符串中查找y，然后匹配其后是否为a； 如果是a则继续查找其后是否为m；如果不是则匹配其后是否为n(此时淘汰msen支分支)； 然后继续看其后是否依次为s,e；接着测试是否为n，是n则匹配成功，不是则测试是否为m。为什么是 m ？因为 NFA 工作方式是以正则表达式为标准，反复测试字符串，这样同样一个字符串有可能被反复测试了很多次！
DFA工作方式：从this中t开始依次查找y，定位到y，已知其后为a，则查看表达式是否有a，此处正好有a；然后字符串a后为n，DFA依次测试表达式，此时msen不符合要求淘汰。nsen和nsem符合要求，然后DFA依次检查字符串，检测到sen中的n时只有nsen分支符合，则匹配成功！
3、基础知识
3.1 字符串组成
对于字符串“reg”而言，包括三个字符和四个位置，位置0在r前面，位置4在g后面。
3.2 占有字符和零宽度
正则表达式匹配过程中，如果子表达式匹配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。
占有字符是互斥的，零宽度是非互斥的。也就是一个字符，同一时间只能由一个子表达式匹配，而一个位置，却可以同时由多个零宽度的子表达式匹配。
3.3 控制权和传动
正则的匹配过程，通常情况下都是由一个子表达式（可能为一个普通字符、元字符或元字符序列组成）取得控制权，从字符串的某一位置开始尝试匹配，一个子表达式开始尝试匹配的位置，是从前一子表达匹配成功的结束位置开始的。如正则表达式：
(子表达式一)(子表达式二)
假设**(子表达式一)为零宽度表达式，由于它匹配开始和结束的位置是同一个，如位置0，那么(子表达式二)**是从位置0开始尝试匹配的。
假设**(子表达式一)为占有字符的表达式，由于它匹配开始和结束的位置不是同一个，如匹配成功开始于位置0，结束于位置2，那么(子表达式二)**是从位置2开始尝试匹配的。
而对于整个表达式来说，通常是由字符串位置0开始尝试匹配的。如果在位置0开始的尝试，匹配到字符串某一位置时整个表达式匹配失败，那么引擎会使正则向前传动，整个表达式从位置1开始重新尝试匹配，依此类推，直到报告匹配成功或尝试到最后一个位置后报告匹配失败。
4、正则表达式简单匹配过程
4.1 基础匹配过程
原字符串：reg
正则表达式：/reg/
匹配过程：由字符r取得控制权，从位置0开始匹配，由r来匹配r，匹配成功，控制权交给字符e，因为之前字符r从位置0已经匹配成功，所以字符e从位置1开始匹配，e匹配e，匹配成功，接着到字符g匹配g，也匹配成功。
正则表达式匹配完成，匹配结果为reg，开始位置0，结束位置3。
4.2 含有量词的匹配过程（1）
原字符串：reg
正则表达式：/re?g/
量词?属于优先匹配量词，在可匹配可不匹配时，会优先选择尝试匹配，当这种选择使得整个表达式无法匹配成功时，才会让出匹配的内容。
匹配过程：由字符r取得控制权，从位置0开始匹配，r匹配r，匹配成功，控制权交给e?，e?尝试优先匹配e，匹配成功，控制权交给g，且保留一个备选状态，最后由g匹配g，匹配成功，丢弃备选状态，匹配结束。
4.3 含有量词的匹配过程（2）
原字符串：rg
正则表达式：/re?g/
匹配过程：由字符r取得控制权，从位置0开始匹配，r匹配r，匹配成功，控制权交给e?，e?匹配g，匹配失败，保留一个备选状态，由于匹配失败，进行回溯，找到备选状态，此时控制权到g，字符g匹配g，匹配成功。
4.4 含有量词的匹配过程（3）
原字符串：reg
正则表达式：/re?x/
匹配过程：由字符r取得控制权，从位置0开始匹配，r匹配r，匹配成功，控制权交给e?，e?尝试优先匹配e，匹配成功，控制权交给x，且保留一个备选状态，x匹配g，匹配失败，此时进行回溯，找到记录的备选状态，此时控制权交给x，x匹配e，匹配失败，第一轮匹配失败。
正则引擎使正则向前传动，由位置1开始尝试匹配，由r匹配e，匹配失败，没有备选状态，第二轮匹配尝试失败。正则引擎继续向前传动，知道位置3匹配失败，匹配结束，此时整个正则表达式匹配失败。
4.5 零宽度匹配过程
源字符串：a12
正则表达式：^(?=[a-z])[a-z0-9]+$
元字符^和$匹配的只是位置，顺序环视(?=[a-z])只进行匹配，并不占有字符，也不将匹配的内容保存到最终的匹配结果，所以都是零宽度的。
匹配过程：从元字符^开始，匹配位置0，匹配成功，控制权交给顺序环视(?=[a-z])；
(?=[a-z])要求它所在位置右侧必须是字母才能匹配成功，零宽度的子表达式之间是不互斥的，即同一个位置可以同时由多个零宽度子表达式匹配，所以它也是从位置0尝试进行匹配，位置0的右侧是字符“a”，符合要求，匹配成功，控制权交给[a-z0-9]+；
因为(?=[a-z])只进行匹配，并不将匹配到的内容保存到最后结果，并且(?=[a-z])匹配成功的位置是位置0，所以[a-z0-9]+也是从位置0开始尝试匹配的，[a-z0-9]+首先尝试匹配a，匹配成功，继续尝试匹配，可以成功匹配接下来的1和2，此时已经匹配到位置3，位置3的右侧已没有字符，这时会把控制权交给$；
$匹配结束位置，也就是位置3，匹配成功。
参考资料：
4、正则表达式的原理