多选结构也是匹配优先的吗

多选结构也是匹配优先的吗
Is Alternation Greedy?

多选分支的工作原理非常重要，因为在不同的正则引擎中它们是迥然不同的。如果遇到的多个多选分支都能够匹配，究竟会选择哪一个呢？或者说，如果不只一个多选分支能够匹配，最后究竟应该选择哪一个呢？如果选择的是匹配文本最长的多选分支，有人也许会说多选结构也是匹配优先的；如果选择的是匹配文本最短的多选分支，有人也许会说它是忽略优先的？那么（如果只能是一个的话）究竟是哪个？

让我们看看Perl、PHP、Java、.NET以及其他语言使用的传统型NFA引擎。遇到多选结构时，这种引擎会按照从左到右的顺序检查表达式中的多选分支。拿正则表达式「^(Subject |Date):」来说，遇到「Subject|Date」时，首先尝试的是「Subject」。如果能够匹配，就转而处理接下来的部分（也就是后面的「:」）。如果无法匹配，而此时又有其他多选分支（就是例子中的「Date」），正则引擎会回溯来尝试它。这个例子同样说明，正则引擎会回溯到存在尚未尝试的多选分支的地方。这个过程会不断重复，直到完成全局匹配，或者所有的分支（也就是本例中的所有多选分支）都尝试穷尽为止。

所以，对于常见的传统型NFA引擎，用「tour|to|tournament」来匹配‘threetournaments won’时，会得到什么结果呢？在尝试到‘threetournamentswon’时，在每个位置进行的匹配尝试都会失败，而且每次尝试时，都会检查所有的多选分支（并且失败）。而在这个位置，第一个多选分支「tour」能够匹配。因为这个多选结构是正则表达式中的最后部分，「tour」匹配结束也就意味着整个表达式匹配完成。其他的多选分支就不会尝试了。

因此我们知道，多选结构既不是匹配优先的，也不是忽略优先的，而是按顺序排列的，至少对传统型NFA来说是如此。这比匹配优先的多选结构更有用，因为这样我们能够对匹配的过程进行更多的控制——正则表达式的使用者可以用它下令：“先试这个，再试那个，最后试另一个，直到试出结果为止”。

不过，也不是所有的流派都支持按序排列的多选结构。DFA和POSIX NFA确实有匹配优先的多选结构，它们总是匹配所有多选分支中能匹配最多文本的那个（也就是本例中的「tournament」）。但是，如果你使用的是Perl、PHP、.NET、java.util.regex，或者其他使用传统型NFA的工具，多选结构就是按序排列的。