1. 正则表达式匹配问题背景
正则表达式匹配是字符串处理中的经典难题，也是LeetCode Hot 100中的高频面试题（第10题）。这个问题要求实现一个支持'.'和'*'的正则表达式匹配功能，其中：
- '.' 匹配任意单个字符
- '*' 匹配零个或多个前一个元素
这个问题的难点在于处理''的贪婪匹配特性，它可能引发多种匹配可能性。例如模式"a"可以匹配空字符串、单个"a"或连续的多个"a"。这种不确定性使得简单的线性扫描无法解决问题，必须考虑所有可能的匹配路径。
在实际开发中，正则表达式引擎的实现原理与此类似。理解这个问题的解法不仅能帮助通过算法面试，更能深入理解IDE搜索、日志分析工具等场景下的模式匹配机制。这也是为什么该题长期位居LeetCode热门榜单——它考察了开发者对递归、动态规划等核心算法的掌握程度。
2. 问题分析与解法思路
2.1 基础情况分析
首先考虑最简单的匹配情况：
- 当模式串为空时，只有当文本串也为空才匹配成功
- 当前字符匹配成功需要满足：文本串非空且（模式字符等于文本字符或模式字符为'.'）
这些基础情况构成了递归或动态规划解法中的终止条件。例如在Python中可以用：
python复制if not pattern:
return not text
first_match = bool(text) and pattern[0] in {text[0], '.'}
2.2 处理'*'的两种策略
当模式第二个字符是''时（形如"a"），我们需要考虑两种可能性：
- 忽略"a*"部分（匹配0次）
- 匹配一个或多个字符（当首字符匹配时）
这自然引出了递归解法：
python复制if len(pattern) >= 2 and pattern[1] == '*':
return (self.isMatch(text, pattern[2:]) or # 情况1：忽略*
(first_match and self.isMatch(text[1:], pattern))) # 情况2：匹配一次后继续
else:
return first_match and self.isMatch(text[1:], pattern[1:])
2.3 动态规划优化
直接递归存在大量重复计算，时间复杂度达到O(3^(m+n))。使用动态规划可以将复杂度优化到O(mn)：
- 定义dp[i][j]表示text前i个字符与pattern前j个字符的匹配情况
- 初始化dp[0][0] = True（两个空串匹配）
- 处理pattern以"*"开头的情况（实际上题目保证不会出现）
- 分情况状态转移：
- 当p[j-1] == '*'时：
- 匹配0次：dp[i][j] = dp[i][j-2]
- 匹配1次：dp[i][j] = dp[i-1][j] if text[i-1]匹配p[j-2]
- 否则：dp[i][j] = dp[i-1][j-1] if text[i-1]匹配p[j-1]
- 当p[j-1] == '*'时：
3. 完整动态规划实现
3.1 Python实现代码
python复制def isMatch(text: str, pattern: str) -> bool:
m, n = len(text), len(pattern)
dp = [[False] * (n + 1) for _ in range(m + 1)]
dp[0][0] = True
# 处理a*b*c*等可以匹配空串的情况
for j in range(1, n + 1):
if pattern[j-1] == '*':
dp[0][j] = dp[0][j-2]
for i in range(1, m + 1):
for j in range(1, n + 1):
if pattern[j-1] == '.' or pattern[j-1] == text[i-1]:
dp[i][j] = dp[i-1][j-1]
elif pattern[j-1] == '*':
dp[i][j] = dp[i][j-2] # 匹配0次
if pattern[j-2] == '.' or pattern[j-2] == text[i-1]:
dp[i][j] |= dp[i-1][j] # 匹配1次或多次
return dp[m][n]
3.2 关键点解析
- 初始化技巧：dp[0][0]表示两个空串匹配，dp[i][0]表示模式为空时只有文本为空才为True
- 星号处理顺序：先判断匹配0次的情况，再在首字符匹配时考虑匹配1次或多次
- 状态转移方程：使用或操作(|)合并多种可能性，确保只要有一种匹配方式成立即可
- 索引处理：由于dp数组比字符串长度大1，访问字符时需要-1调整
4. 边界条件与测试用例
4.1 典型测试用例
python复制test_cases = [
("aa", "a", False), # 模式不够长
("aa", "a*", True), # *匹配多个
("ab", ".*", True), # .*通配
("aab", "c*a*b", True), # c*匹配0次
("mississippi", "mis*is*p*.", False), # p*无法匹配p
("", ".*", True), # 空串匹配
("abc", "a.c", True), # 点号匹配
("aaa", "a*a", True) # 重叠匹配
]
4.2 易错边界情况
-
空字符串处理：
- 文本和模式都为空：应返回True
- 文本为空但模式类似"a*"：可能匹配成功
- 文本非空但模式为空：必为False
-
连续星号：
- 虽然题目保证模式合法，但实际实现应考虑"a**b"等非法情况
- 可以添加预处理检查pattern是否合法
-
开头星号：
- 模式以"*"开头是非法的，但代码应保持健壮性
- 可在初始化前添加检查：if pattern and pattern[0] == '*': return False
5. 算法优化与变种
5.1 空间复杂度优化
标准DP使用O(mn)空间，可优化到O(n)：
python复制def isMatch(text, pattern):
m, n = len(text), len(pattern)
prev = [False] * (n + 1)
prev[0] = True
for j in range(1, n + 1):
if pattern[j-1] == '*':
prev[j] = prev[j-2]
for i in range(m):
curr = [False] * (n + 1)
for j in range(1, n + 1):
if pattern[j-1] == '.' or pattern[j-1] == text[i]:
curr[j] = prev[j-1]
elif pattern[j-1] == '*':
curr[j] = curr[j-2]
if pattern[j-2] == '.' or pattern[j-2] == text[i]:
curr[j] |= prev[j]
prev = curr
return prev[n]
5.2 回溯解法与性能对比
虽然动态规划更优，但回溯法更直观：
python复制def isMatch(text, pattern, i=0, j=0):
if j == len(pattern):
return i == len(text)
first_match = i < len(text) and pattern[j] in {text[i], '.'}
if j+1 < len(pattern) and pattern[j+1] == '*':
return (isMatch(text, pattern, i, j+2) or
(first_match and isMatch(text, pattern, i+1, j)))
else:
return first_match and isMatch(text, pattern, i+1, j+1)
性能对比：
- 回溯：最坏O(3^(m+n))，适合短字符串
- 记忆化回溯：加入缓存后O(mn)
- 动态规划：稳定O(mn)，适合长字符串
6. 实际工程中的应用
正则表达式匹配算法在以下场景有直接应用：
-
文本编辑器搜索：
- VS Code等编辑器的正则搜索功能
- 需要实时响应，对性能要求高
-
日志分析系统：
- 从海量日志中提取符合特定模式的行
- 需要处理GB级文本，必须优化匹配效率
-
表单验证：
- 邮箱、电话号码等格式校验
- 通常使用预编译的正则表达式
-
编译器设计：
- 词法分析阶段识别token
- 将正则表达式转换为有限状态自动机
在实现自己的正则引擎时，通常会先将正则表达式转换为NFA（非确定有限自动机）或DFA（确定有限自动机），再基于自动机进行匹配。这与我们的动态规划解法有相似之处——都需要处理状态转移和多种可能性。