regexpQuery，一个稍微有点复杂的主题，也许没人愿意花时间去了解它。
有人会说影响性能，不过这不是关注点，
理解它，才是目的。
这是我理解中的自动机查询（每个人看法可能不同）的执行流程，
要说的就是第1个步，如何生成正则自动机。
（除了第1步，共它步骤对于所有自动机类型查询来说都是一样的）
第1步，因查询类型不同而不同，除了正则和模糊这两个，其它都很简单。
第6步，"next()方法“，在IntersectTermsEnum类，理解起来，不是一般的困难！
图里面的“自动机规则”，并不是一个具体Java类，
而是用来判断一个文档中的词合不合要求的东西，
另外的第2,3,4,5步，这个博客里都有很详细的描述：
I https://amazingkoala.com.cn/un ... .html
II https://amazingkoala.com.cn/un ... .html
III https://amazingkoala.com.cn/un ... .html
这个文章还行：https://blog.csdn.net/xgx82261 ... 6683/
不过如果你看过上面的博客，这也就没什么价值了,
基本上就是copy了博客里的内容
有人会说影响性能，不过这不是关注点，
理解它，才是目的。
这是我理解中的自动机查询（每个人看法可能不同）的执行流程，
要说的就是第1个步，如何生成正则自动机。
（除了第1步，共它步骤对于所有自动机类型查询来说都是一样的）
第1步，因查询类型不同而不同，除了正则和模糊这两个，其它都很简单。
第6步，"next()方法“，在IntersectTermsEnum类，理解起来，不是一般的困难！
图里面的“自动机规则”，并不是一个具体Java类，
而是用来判断一个文档中的词合不合要求的东西，
另外的第2,3,4,5步，这个博客里都有很详细的描述：
I https://amazingkoala.com.cn/un ... .html
II https://amazingkoala.com.cn/un ... .html
III https://amazingkoala.com.cn/un ... .html
这个文章还行：https://blog.csdn.net/xgx82261 ... 6683/
不过如果你看过上面的博客，这也就没什么价值了,
基本上就是copy了博客里的内容
4 个回复
Charele - Cisco4321
赞同来自:
正则表达式千变万化，我也不懂正则这个东东。
拿宫 网的这个简单例子来说明。
这里框出来，标上1，2，是和下面要说的有关系
Charele - Cisco4321
赞同来自:
生成正则自动机，本质上就是这两大步：
1“解析“这一步，没什么好说的，一个一个字母的分析，生成对应的自动机树。
就是看到什么字符做什么动作（生成某种子自动机，加到树上），
如果你精通正则表达式，理解起来就很容易。
我们知道，Java里有一个类java.util.regex.Pattern，跟正则相关。
但Lucene没有用到这个，而是自己去分析
上面那个查询，会生成这样一颗树：
(下面6行，每一行都代表一个命令，执行命令的结果就是生成一个自动机）
REGEXP_CONCATENATION 根树
-----REGEXP_CONCATENATION 子树1
---------REGEXP_CHAR char=W
---------REGEXP_CHAR_RANGE from=0 to=9
-----REGEXP_REPEAT_MIN min=1 子树2
---------REGEXP_ANYCHAR
对照楼上对"W[0-9].+"的解释，一看就能明白这树是什么意思
其中的子树1和子树2，就是上楼黄色框里的。
（也可以看成左子树和右子树）
为什么分为子树1和2？更复杂的正则，会不会有子树3，4，，，？
这是因为程序里就这么写的，无论正则是啥样，它都分为两个。
(这是一个嵌套，儿子也可以有自己的儿子）
如果你的正则很简单，比如"abc"，也分不出子树了，
这两个对像就是null。
2 处理的过程，就是按树结构，生成最终的，能表达正则的自动机。
针对不同的正则树不同，处理过程也会不同。有创建，合并，去重，，，等等。
比如这里，子树1底下有两个条目，
会先拼接(CONCATENATION) 这两个条目，生成子树1。然后生成子树2，
最后拼接子1和子2，生成结果自动机
Charele - Cisco4321
赞同来自:
先搞一个博客截图，这是范围查询的自动机样子。
和FST里的隐式节点不同，这里的节点是真实存在的。
PS:节点编号，并不是固定不变的，它是可变换的。
只要执行逻辑不变就行，比如入口0必须还是这一块自动机的入口
回到本例，从树上可以看出，生成过程分3步是：子树1 ---》 子树2 ---》 根树自动机，
树上有两个“拼接”过程，实际中合在一起了，所以会执行下面：
一 生成一个“只接受'W'的自动机
二 生成一个只接受['0', '9']的自动机
三 生成一个"接受Any字符（最少一个)“的自动机
四 把上面3个自动机拼接起成一个自动机
五 "最小化"(最小化就是去掉里面多余无用的节点）上面的自动机，返回
一 生成自动机，它只接受字母'W'
二 同上，只是范围换成['0', '9']
Charele - Cisco4321
赞同来自:
这一步有点复杂，可细分为下面几步
1 生成一个"接受Any字符"的自动机A
2 实现“最少n个自动机A”(本例，就是n个Any字符)，这一步会生成n+1个自动机
3 拼接上面的n+1个自动机，生成B
4 最小化B, 生成C， 返回
如果它是很复杂的，且是“最小100个”呢？其结果就复杂了
看下2处的repeat(a, min)方法，它是如何实现的