automaton

原文链接 http://www.softec.lu/site/RegularExpressions/RegularExpressionEngines 正则表达式引擎是正则表达式匹配算法的基础。其有多种不同的实现，但大多数都是基于Henry Spencer的NFA引擎。 正则引擎有两个大分类，DFA和NFA，像Perl、Java、.Net、 PHP 、Python、Ruby……等大多是工具都是用了NFA引擎。少数广泛被使用的工具如 mawk 使用了POSIX NFA引擎（NFA的一种变种）。以高效著称的工具采用了更为高效的DFA引擎。诸如GNU awk，GNU egrep和Tcl之类的一些工具结合了NFA / DFA两种引擎，将两者的优点结合在一起。 基于不同类型引擎的实现的正则表达式，主要有以下几点差异。 语法 匹配内容 零宽断言(环视) 功能 捕获功能 性能 所有的引擎都会对文本做从左向右的最长匹配，但具体细节取决于使用了何种引擎。 传统的NFA引擎 NFA引擎中使用的非确定有限状态机(Nondeterministic finite automation)是一种由要匹配的表达式驱动的算法。这使得正则表达式像一个小的编程语言一样，可控制引擎在匹配失败时候的行为。 正则引擎从正则表达式其实位置开始，尝试正则表达式与文本的开头进行匹配，如果匹配成功，都前进一个配置

　　 　　 大数据文摘出品 　　 来源：IEEE 　　 编译：Hippo 　　结束了一天的工作，回家瘫倒想玩玩手机，发现 手机没！电！了！ 　　偏偏沙发的诱惑又太过强大，甚至不想起身给手机充电。 　　 “要是我的手机能自己跑去充电就好了！” 　　文摘菌要给你带来一个好消息：这个愿望已经被满足了！ 　　近日，韩国机器人专家开发出了一种 带有小机械腿的手机壳 （CaseCrawler），可以让你的手机自动地四处蹦跶，自己“跑”去充电也完全没问题。 　　 　　这个手机壳 比一般的手机壳要大得多 ，但和那些笨重的电池外壳相比，还是要友好得多。 　　根据介绍，CaseCrawler只有 24毫米 厚（不包含电机外壳），总重量不到 82克 。要知道，这可是一个完整的机器人，同时也是一个很完美的手机壳，不难想象，如果没有外置电池而是直接从手机获取电源，它将会是多么“苗条”。 　　别看这个手机壳小，但其内在的技术非常惊人。 　　CaseCrawler机械腿的工作原理与人腿类似，都有着一个只能向一个方向弯曲的膝关节，在它的腿在收平时，就 能支撑住相当大的重量 ，比如一个手机。 　　要让CaseCrawler向前行进的时候，联动装置（通过变速箱连结到电机）会在膝关节保持腿部直立的同时将腿推离地面，并在产生反作用力的时候，弯曲膝关节，保证腿不会再给地面施加力，通过这种反作用力让机器人前进。 　　 　

　　 　　 大数据文摘出品 　　 作者：刘俊寰 　　在吗？看看高达？ 　　什么？被洪水冲走了？？ 　　那你可得要好好反思一下自己，对高达的爱到底是不是真的！ 　　看看别人家的妻子， 在洪水中都要“破窗入室”，抢救丈夫的高达 ，这也让不少网友直呼，简直是“年度感动新闻”。 　　 　　不过，先看看他们的高达，再看看下面这个。 　　 　　在 高18米，重25吨 的巨型高达机器人面前，手上的高达模型是不是瞬间就不香了？ 　　 　　别急，这个巨型机器人不是拿来售卖的，再说也买不起啊（重点错）。 　　这个巨型高达机器人其实是在日本横滨倾心打造的 高达工厂 的一个绝对亮点，据日本知名模型制造商万代介绍方面，这部元祖高达将 拥有“有史以来最强的可动性” ，全身 可动关节多达24个 ，使用 电动机和液压机 的组合进行驱动。 　　是的，你没看错，这个庞然大物还能动！是不是已经热血喷张了？ 　　根据这个项目最新披露的进度，巨型高达机器人 已于8月初建设完成 。 　　本来，高达工厂在10月份就可以正式营业了，但受到新冠疫情的影响， 开园时间再次往后推迟 ，但是不要紧，只要能够亲眼看到三次元高达行走在11区的大地上，我愿意等！ 　　 　　据了解，届时该展览场馆除了举行高达机器人外，还将包括展览中心、机器人实验室、会议设施、商店和提供 “高达餐单” 的咖啡馆等。 　　这其实不是第一个等身高达模型了，在

　　机器之心报道 　　 编辑：蛋酱、小舟 　　 你知道昆虫的视界是什么样的吗？ 　　 　　如果昆虫也成为了一名 Vlogger，作品会是什么样的？ 　　近日，一项在甲虫背部安装相机的研究登上《Science Robotics》，为我们揭晓了这一谜题。通过了解自然界中昆虫的视觉系统并做出取舍，研究者以平衡能量、计算量和质量的方式，为昆虫规模的机器人设计出更好的视觉系统。 　　让身长不足三厘米的甲虫背上相机，这件事并不简单。在人类看来最微小的摄像机，也足以压垮昆虫。因而，研究者首先思考的问题是：如何打造出一款适用于昆虫搭载的可操纵摄像机？ 　　在该研究中，研究者设计出一种完全无线、动力自动化、机械可操纵的视觉系统。该系统用足够小的形状因子模仿昆虫的头部运动，可以安装在活的甲虫或类似大小的陆地机器人背部。 　　对于昆虫大小的机器人来说，无线视觉提供了丰富的环境形状和纹理信息。这在大型机器人中很常见，但在资源有限的小型平台上却是一个挑战。 　　 　　安装在甲虫或类似大小的机器人背上的相机基本构造。 　　电子设备的执行器重 248 毫克，并且可以根据智能手机的命令将相机转向 60 度。制作好的相机约为硬币大小，以每秒 1 到 5 帧（fps）将 “第一人称主视角” 以 160*120 像素的单色视频传到距离 120 米远的蓝牙无线电中。 　　 　

大数据文摘出品 作者：刘俊寰、朱科锦 好不容易解禁后的你，现在敢去理发店吗？ 长发已经及腰？胡子长度已经可以堪比太乙真人了？ 如何 在保持安全的社交距离的前提下，如何优雅地修理你的小胡子 ，就成了当务之急。 这不，国外研究人员就开发了这么一个能够远程剪胡子的机器人，虽然听上去有点不怎么安全呢？（狗头） 而且，为了证明这个机器人的可操作性，现在在东北大学工作的的机器人专家John Peter Whitney决定亲自上阵，充当第一个“小白鼠”，我们先来看看效果如何： 完整视频戳下方： 是的，你没有看错，在这个过程中，Whitney 真！的！很！紧！张！ 在体验了一把机器人刮胡子之后，Whitney也长舒了一口气，成功“活下来”后，Whitney表示，这其实也是他第一次被其他“人”用直剃刀（straight razor）剃胡子。 关于这个机器人的更多详细信息，发表在ArXiv上披露了更多，欢迎来戳： https:// arxiv.org/abs/2004.0126 9 一个合格的机器人就应该学会刮胡子 大家都知道，这些机器人专家对这些“歪门邪道”最有兴趣了。 比如“DRC”和“SubT”这类挑战已经帮助专家们大大推动了相关技术，但是在生活中，很多具体的问题对于机器人来说还是很难实现的，比如接住球、将钉子插入孔中，或使用剃刀剃刮某人的脸而无需理发师给他们涂胶等。 John Peter

　　 　　 大数据文摘出品 　　 作者：刘俊寰、朱科锦 　　好不容易解禁后的你，现在敢去理发店吗？ 　　长发已经及腰？胡子长度已经可以堪比太乙真人了？ 　　如何 在保持安全的社交距离的前提下，如何优雅地修理你的小胡子 ，就成了当务之急。 　　 　　这不，国外研究人员就开发了这么一个能够远程剪胡子的机器人，虽然听上去有点不怎么安全呢？（狗头） 　　而且，为了证明这个机器人的可操作性，现在在东北大学工作的的机器人专家John Peter Whitney决定亲自上阵，充当第一个“小白鼠”，我们先来看看效果如何： 　　 　　完整视频戳下方： 　　https://youtu.be/nICnRJ7NqkE 　　是的，你没有看错，在这个过程中，Whitney 真！的！很！紧！张！ 　　在体验了一把机器人刮胡子之后，Whitney也长舒了一口气，成功“活下来”后，Whitney表示，这其实也是他第一次被其他“人”用直剃刀（straight razor）剃胡子。 　　关于这个机器人的更多详细信息，发表在ArXiv上披露了更多，欢迎来戳： 　　https://arxiv.org/abs/2004.01269 　　一个合格的机器人就应该学会刮胡子 　　大家都知道，这些机器人专家对这些“歪门邪道”最有兴趣了。 　　比如“DRC”和“SubT”这类挑战已经帮助专家们大大推动了相关技术，但是在生活中

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 编者按：本文来自微信公众号“大数据文摘”（ID:BigDataDigest），作者：刘俊寰、朱科锦，36氪经授权发布。 好不容易解禁后的你，现在敢去理发店吗？ 长发已经及腰？胡子长度已经可以堪比太乙真人了？ 如何在保持安全的社交距离的前提下，如何优雅地修理你的小胡子，就成了当务之急。 这不，国外研究人员就开发了这么一个能够远程剪胡子的机器人，虽然听上去有点不怎么安全呢？（狗头） 而且，为了证明这个机器人的可操作性，现在在东北大学工作的的机器人专家John Peter Whitney决定亲自上阵，充当第一个“小白鼠”，我们先来看看效果如何： 是的，你没有看错，在这个过程中，Whitney真！的！很！紧！张！ 在体验了一把机器人刮胡子之后，Whitney也长舒了一口气，成功“活下来”后，Whitney表示，这其实也是他第一次被其他“人”用直剃刀（straight razor）剃胡子。 关于这个机器人的更多详细信息，发表在ArXiv上披露了更多，欢迎来戳： https://arxiv.org/abs/2004.01269 一个合格的机器人就应该学会刮胡子 大家都知道，这些机器人专家对这些“歪门邪道”最有兴趣了。 比如“DRC”和“SubT”这类挑战已经帮助专家们大大推动了相关技术

公众号 更多精彩内容、活动、程序猿的小故事，欢迎扫码关注公众号 概述 本篇介绍了正则表达式引擎 正则表达式的匹配模式 优化正则表达式的三种方式 口水记 在上篇中，提到了split方法，这个方法就用到了正则表达式，而正则表达式可能会引起回溯问题。 大量的回溯是会长时间占用CPU，从而带来非常大的系统性能开销。 正则表达式引擎 正则表达式引擎正则表达式是一个用正则符号写出的公式，程序对这个公式进行语法分析，建立一个语法分析树，再根据这个分析树结合正则表达式的引擎生成执行程序（这个执行程序我们把它称作状态机，也叫状态自动机），用于字符匹配。 而这里的正则表达式引擎就是一套核心算法，用于建立状态机。 目前实现正则表达式引擎的方式有两种：DFA 自动机（Deterministic Final Automaton 确定有限状态自动机）和 NFA 自动机（Non deterministic Finite Automaton 非确定有限状态自动机）。 对比来看，构造 DFA 自动机的代价远大于 NFA 自动机，但 DFA 自动机的执行效率高于 NFA 自动机。假设一个字符串的长度是 n，如果用 DFA 自动机作为正则表达式引擎，则匹配的时间复杂度为 O(n)； 如果用 NFA 自动机作为正则表达式引擎，由于 NFA 自动机在匹配过程中存在大量的分支和回溯，假设 NFA 的状态数为 s

@[toc] 在上篇博客 从0到1打造正则表达式执行引擎(一) 中我们已经构建了一个可用的正则表达式引擎，相关源码见 https://github.com/xindoo/regex ，但上文中只是用到了NFA，NFA的引擎建图时间复杂度是O(n)，但匹配一个长度为m的字符串时因为涉及到大量的递归和回溯，最坏时间复杂度是O(mn)。与之对比DFA引擎的建图时间复杂度O(n^2)，但匹配时没有回溯，所以匹配复杂度只有O(m)，性能差距还是挺大的。 DFA和NFA 我们已经多次提到了NFA和DFA，它俩究竟是啥？有啥区别？ 首先，NFA和DFA都是有限状态机，都是有向图，用来描述状态和状态之间的关系。其中NFA全称是非确定性有限状态自动机(Nondeterministic finite automaton)，DFA全称是确定性有限状态自动机(Deterministic finite automaton)。 二者的差异主要在于确定性和非确定性，何为确定性？ 确定性是指面对同一输入，不会出现有多条可行的路径执行下一个节点。有点绕，看完图你就理解了。 图示分别是一个NFA和DFA，上图之所以是NFA是因为它有节点具备 不确定性 ，比如0节点，在输入"a"之后它分别可以到0 1 2 节点。还有，上图有$\epsilon$边，它可以在没有输入的情况下跳到下一个节点，这也带来了不确定性。相反

作为正则的使用者也一样，不懂正则引擎原理的情况下，同样可以写出满足需求的正则，但是不知道原理，却很难写出高效且没有隐患的正则。所以对于经常使用正则，或是有兴趣深入学习正则的人，还是有必要了解一下正则引擎的匹配原理的。 有兴趣可以回顾《深入正则表达式(0):正则表达式概述》 正则引擎类型 正则引擎主要可以分为两大类：一种是DFA(Deterministic Finite Automatons/确定性有限自动机—)，一种是NFA(Nondeterministic Finite Automatons/非确定性有限自动机)。总的来说， DFA可以称为 文本主导 的正则引擎 NFA可以称为 表达式主导 的正则引擎 NFA与DFA工作的区别： 我们常常说用正则去匹配文本，这是NFA的思路， DFA本质上其实是用文本去匹配正则 。 'for tonight's'.match(/to(nite|knite|night)/); 如果是NFA引擎，表达式占主导地位。在 字符串先查找字符串中的t ， 然后依次匹配 ， 如果是o，则继续 (以此循环)。匹配到to后， 到n，就面临三种选择，每一种都去尝试匹配一下 （它也不嫌累），第一个分支也是依次匹配，到t这里停止(nite分到t这里直接被淘汰)；同理，接着第二个分支在k这里也停止了；终于在第三个分支柳暗花明，找到了自己的归宿。 NFA