正则表达式是一种能够提供复杂查询能力的技术,其通过特定的语法结构来描述出一类文本的共同特征。其强大的表达能力和简洁的语法,使得其在各个领域都被广泛的应用。例如,文本编辑,基因序列匹配,还有shell命令。本文主要研究的是如何有效的在长文本上进行正则表达式查询。一种比较简单的方法来实现正则表达式查询就是构造正则表达式的自动机,对于字符串中的每一个位置,通过自动机来判断从该位置开始的子串是否可以被该自动机所接受。但是必须注意到验证过程的计算代价是非常大的。这种简单方法的主要限制在于需要重复做这种验证过程很多次。有许多方法提出了改进的地方来加速匹配过程,大致都是先确定出字符串上的一些候选区间,然后一个接一个的验证这些区间。这些方法从正则表达式中提取出一些子串来确定候选区间出现的位置。每一个候选区间都将用一个或者多个自动机来验证。即使这些方法可以减少许多验证过程,但是当正向因子产生了很多候选区间的时候这些方法的效率将变得非常低,尤其当文本非常长的时候更加明显。本文提出了一种有效的技术来提高正则表达式匹配的性能,通过利用反向因子来过滤掉大多数的候选区间,所谓反向因子是指一定不会出现在答案当中的一些子串。反向因子不仅可以用于过滤掉候选区间,还可以提前结束自动机的验证。此外,该技术的一个主要优点是它可以集成到现有的一些技术当中,从而能大幅度的提高现有技术的性能。本文提出了一种通过利用反向因子来过滤掉候选区间的算法,然后利用位并行技术来处理反向因子来进一步提高了算法的性能。用位向量表示子串在文本中的出现位置,然后通过位向量间的位操作来得到候选区间,基于位操作的算法在性能上有了大幅度的提高。本文还分析了大量的反向因子,总结出了反向因子的一些性质,并且基于这些性质提出了一种构造高质量反向因子的算法。最后,在真实的数据集上进行了全面的实验来研究这项技术,数据集包括基因序列,蛋白质序列,还有英文文档。实验表明,当现有一些技术应用了反向因子之后能取得性能上显著的提高。