正则表达式 – 正则表达式的简单示例转换为状态机？

在Stack Overflow播客#36( http://blog.stackoverflow.com/2009/01/podcast-36/)中，表达了这一意见：
一旦知道设置状态机是多么容易，那么永远不会再次使用正则表达式。

我做了一堆搜索。我发现了一些学术论文和其他复杂的例子，但是我想找到一个简单的例子来帮助我理解这个过程。我使用了很多正则表达式，我想确保我再也不会使用“不适当的”。

当然，虽然你需要更复杂的例子来真正了解RE的工作原理。考虑以下RE：

^[A-Za-z][A-Za-z0-9_]*$

这是一个典型的标识符(必须以alpha开头，并且可以包含任意数量的字母数字和不匹配字符，包括none)。以下伪代码显示了如何使用有限状态机完成此操作：

state = FirsTCHAR
for char in all_chars_in(string):
    if state == FirsTCHAR:
            if char is not in the set "A-Z" or "a-z":
                error "Invalid first character"
            state = SUBSEQUENTCHARS
            next char
    if state == SUBSEQUENTCHARS:
            if char is not in the set "A-Z" or "a-z" or "0-9" or "_":
                error "Invalid subsequent character"
            state = SUBSEQUENTCHARS
            next char

现在，正如我所说，这是一个很简单的例子。它不显示如何进行贪婪/非正常匹配，回溯，匹配一行(而不是整行)和状态机的其他更深奥的功能，容易被RE语法处理。

这就是为什么REs如此强大。执行单线RE可以做的实际有限状态机器代码通常是非常长而复杂的。

你可以做的最好的事情是获取一些特定简单语言的lex / yacc(或等效的)代码的副本，并查看它生成的代码。它不漂亮(它不一定是因为它不应该被人类阅读，他们应该看看lex / yacc代码)，但它可能会给你一个更好的想法，如何工作。