regex 的项目扩展与二次开发

项目的基础介绍

本项目是一个基于 Thompson 算法的 Python 正则表达式引擎。与 Python 标准库中的 re 模块相比，在处理某些特定病态模式时，本项目实现的正则表达式引擎表现更佳。它遵循 MIT 许可证，欢迎社区贡献和二次开发。

项目的核心功能

目前，该项目支持以下核心功能：

• 重复操作符：*、+、?
• 圆括号
• 字符（不包含字符集）

项目使用了哪些框架或库？

该项目主要使用 Python 语言开发，依赖于标准库中的工具和模块，没有使用第三方框架或库。

项目的代码目录及介绍

• regex.py：项目接口文件，定义了用户与正则表达式引擎交互的方法。
• parse.py：包含主要的实现逻辑，解析正则表达式并构建 NFA（确定性有限自动机）。
• sample.py：展示了如何使用该正则表达式引擎的示例。
• testing.py：测试脚本，通过运行 python3 testing.py -v 可以验证引擎是否通过所有测试用例。
• test_suite.dat：包含测试用例的数据文件。
• 其他文件如 README.md、LICENSE、.gitignore 等，为项目文档和配置文件。

对项目进行扩展或者二次开发的方向

1. 增加字符集支持：目前的引擎不支持字符集，这是正则表达式中的重要功能，可以作为一个扩展点。
2. 优化性能：虽然在一些病态输入上有优势，但在正常输入下性能不如 Python 的 re 模块。性能优化是永恒的主题。
3. 增加更多正则表达式功能：如转义字符、前瞻与后瞻、条件表达式等高级特性。
4. 错误处理和异常管理：改善错误信息和异常处理，使其更加健壮。
5. 文档和示例完善：增加更多用户文档和示例代码，帮助新用户更快地上手。
6. 测试覆盖：扩大测试用例，提高测试覆盖率，确保引擎的可靠性。