問題描述：

有 n 個 RegEx (正則表示式)，標號從 0 到 n-1，n 可能很大 (比如說100萬)

給定一個字串，返回能 match 這個字串的所有正則表示式標號。

用 C++ 來描述這個需求：

class MultiRegEx {
public:
    struct MatchResult {
        int nth; // regex NO.
        int beg; // begin of matched pos in text
        int end; // end of matched pos in text
    };

    // return the index NO. of the internal regex object, -1 indicate error
    int add(const char* regex);

    // compile the MultiRegEx
    bool compile();

    // length is the length of text
    vector<MatchResult> match(const char* text, int length) const;
};
 

這個問題看上去簡單，但其實現非常複雜！一個簡單生硬的實現是，隨便拿一個正則表示式引擎（如boost.regex, pcre, re2, ...），match 時逐個匹配，匹配成功的，加入返回值集合。但這個時間複雜度太高！

原則上，unix 下的 lex 可以匹配多個 RegEx，並返回那個被匹配的 RegEx 標號，但好像無法識別多個成功的 RegEx 匹配。

這個問題的一個簡化版：這 n 個 RegEx 只是簡單的 PlainString，就是 Multi String Match 問題，甚至是這個簡化版，其實現複雜多都相當高（trie, double array, ...）。

我找了很多資料，好像都沒有特別合適的辦法。

2013-08-31：

google re2 中有同時匹配多個正則表示式的功能，可惜還是有些缺陷，正在做自己的引擎，克服那些缺陷