regex-cursor

此crate提供用于在[正则表达式](aka "regex")中搜索不连续字符串匹配的程序。它基于[regex-automata]，大部分代码都是从regex存储库中的各个crate改编而来。

它旨在作为对“流式正则表达式”上游支持的示例。此crate中基于游标的API与regex/regex-automata已公开的API非常相似。为此，提供了一种通用的Cursor trait，集合可以实施。

以下是一个游标API的草图。字符串以多个字节块的形式产生。调用advance将游标移动到下一个块。调用backtrack将游标移动回一个块。此crate需要回溯。这使得它不适合搜索像通过TCP连接发送的字节流那样的完全未缓冲的流。

pub trait Cursor {
    fn chunk(&self) -> &[u8] { .. }
    fn advance(&mut self) -> bool { .. }
    fn bracktrack(&mut self) -> bool { .. }
}

在处理此crate的过程中，我发现正则表达式回溯的次数比预期的要多，大多数功能本质上都需要回溯。对于不缓存输入的网络用例，主要用例可能是检测匹配（不一定需要匹配的字节范围）。这种用例可以通过从regex-automata crate的混合和DFA引擎手动喂入字节来覆盖。这种方法还有优点，即允许调用者暂停匹配（异步）以等待更多数据，允许调用者驱动搜索而不是引擎本身。

此crate唯一可以应用于完全流式传输的部分是流式PikeVM实现。但是，有一些限制

• 由于PikeVM可能需要向前查看多个字节以消除替代匹配的歧义，因此只能运行单个搜索
• 长度超过一个字节的预过滤器无法工作
• utf-8模式无法支持（可能发生在unicode边界之间的空匹配）

目前，PikeVM实现没有考虑到此用例，可能会不必要地调用回溯，但这可以在未来得到解决，但特别是第一个点非常有限。PikeVM也不允许用户驱动搜索，例如在网络调用上阻塞（没有异步）。