Limitaciones de expresiones regulares?

Question

He estado utilizando expresiones regulares durante un par de años y me siento cómodo con ellos, pero me preguntaba si hay alguna limitación al usarlos. Sé sobre las limitaciones relacionadas con la recursión (discutido aquí http://blogs.msdn.com/b/jaredpar/archive/2008/10/15/regular-expression-limitations.aspx). ¿Hay alguna limitación relacionada con la memoria? Supongo que puede capturar una cadena tan grande como pueda caber en la memoria (o que la máquina virtual lo permita).

¿Hay alguna otra limitación con las expresiones regulares que deba conocer?

Gracias de antemano,

Chris

Answer 1

Limitaciones

1. no puede resolver todo. (cualquiera en SO diría lo que sucede cuando intente analizar HTML con expresiones regulares)
2. No debe usarse para todo - problemas de legibilidad y rendimiento. Usar cuando sea apropiado. No para tareas simples, como subcadenas de cadenas, y tampoco para tareas complejas.

En resumidas cuentas, es una herramienta. Úselo como cualquier otra herramienta. No lo use en exceso. No permita que sea la única herramienta en su kit de herramientas.

Answer 2

Las expresiones regulares descomunales pueden ser bastante lentas y tener mucha memoria. Lo sé, porque he creado uno. Puede tokenizar lo que no debe ser tokenizado por una expresión regular. :-) si quieres un enlace ... Ahora ... nunca he comparado las expresiones regulares "pequeñas", así que no sé su velocidad. Seguramente son compacto para escribir.

Ah, me estaba olvidando, los regexes son The Evil. Su principal problema es que son como un martillo y cuando los tienes, tratas de hacer que todos los problemas sean como un clavo. Entonces su problema principal está en el usuario (el programador).

Primera limitación "grande": Javascript implementa solo un subconjunto de ellas, sin compatibilidad con Unicode. Normalmente, el idioma que usa en el servidor tiene una implementación más completa, por lo que se limita por js. Incluso las implementaciones bastante completas como la de .NET tienen grandes límites: no admiten pares sustitutos ni soporte para caracteres "compuestos" (caracteres que usan marcas combinadas). Pero, como siempre, el problema está en el programador. ¿Cuántos programadores que conocen Unicode conocen las complejidades de Unicode, de los varios conjuntos de dígitos, de los signos diacríticos?

Segunda "gran" limitación: mantenibilidad. Son complejos e ilegibles cuando están escritos. ¿Pero meses después? ¡Ellos empeoran! Y si tiene que capacitar a un nuevo programador, ahora tiene que aprender un idioma más: regex.

Tercera "gran" limitación: se esconden demasiado. Usted ve \d\s\d. ¿Qué significa? un dígito, un espacio y un dígito? Seguramente. Pero tanto \d como \s en .NET Regexes "esconden" un micromundo. \d "coincide" con cualquier dígito no europeo (y hay muchos muchos en Unicode). \s "coincide" con tantos espacios esotéricos de los que ni siquiera sé el nombre ... Ni siquiera quiero pensar en ello. Son como icebergs. Solo 1/8 está fuera del agua, mientras que 7/8 está oculto. Pero es ese 7/8 que probablemente te matará.

Answer 3

Regexs solo puede analizar las gramáticas regulares de cualquier forma sin contexto y más alto necesita una pila (es decir, un analizador real).

Esa es su única limitación real, el rendimiento depende de la implementación particular, pero en general es lento incluso precompilado en comparación con una máquina de estado.