js 正則學(xué)習(xí)小記之匹配字符串字面量?jī)?yōu)化篇

昨天在《js 正則學(xué)習(xí)小記之匹配字符串字面量》談到 /"(?:\\.|[^"])*"/ 是個(gè)不錯(cuò)的表達(dá)式，因?yàn)榭梢詽M足我們的要求，所以這個(gè)表達(dá)式可用，但不一定是最好的。
從性能上來說，他非常糟糕，為什么這么說呢，因?yàn)?傳統(tǒng)型NFA引擎 遇到分支是從左往右匹配的，
所以它會(huì)用 \\. 去匹配每一個(gè)字符，發(fā)現(xiàn)不對(duì)后才用 [^"] 去匹配。
比如這樣一個(gè)字符串: "123456\'78"90"
共 16 個(gè)字符，除了第一個(gè) " 直接匹配成功，還剩余 15 個(gè)，只有 2 個(gè)轉(zhuǎn)義(4 個(gè)字符)，所以 \. 會(huì)失敗 10 次，只有 2 次成功。
這 10 次匹配失敗，需要回溯后用 [^"] 才能匹配成功，當(dāng)然最后一個(gè) " 會(huì)直接匹配成功。

很明顯，正常的字符串不可能全是轉(zhuǎn)義，正常的字符串才是主流，當(dāng)然不排除有人故意全轉(zhuǎn)義的情況。
所以這個(gè)正則需要10次回溯后才能匹配完成，如果字符串增長(zhǎng)到 1K 1M 腫么破呢？
所以我們要修改下這個(gè)正則，前后換下位置么？
難道是 /"(?:[^"]|\.)*"/ ？ 呵呵，好像不太對(duì)，這樣的話轉(zhuǎn)義就不能被匹配了。

所以還要修改下 /"(?:[^"\\]|\.)*"/ 這樣就OK了，遇到 \ 轉(zhuǎn)義就會(huì)用 \\. 去嘗試匹配。

可是還是有問題，因?yàn)槲覀冊(cè)?[^"\\] 過濾掉了 n 所以沒法匹配多行字符的情況。

js 中 字符串用 折行是允許的，但是修改后的 正則 沒法匹配這樣的字符串了，所以我們還得繼續(xù)修復(fù)。

因?yàn)?. 沒法匹配換行，所以我們要用其他方式表達(dá)。
. 是用于匹配除換行符之外的所有字符，難道我們要 [.\n] 來表示么？
這樣是不對(duì)的，因?yàn)?[] 字符集中的 . 不再表示除換行符之外的所有字符，而是字符 . 也就是他本身一個(gè)字符而已。
那怎么辦呢？
其實(shí)換個(gè)思路，
d 表示 0-9
D 表示 [^0-9]
那么 [\d\D] 就表示所有了，不是么。（新人朋友不知道能不能消化這個(gè)知識(shí)點(diǎn)。）
同理 [\s\S] [\w\W] 同樣可以。
所以 /"(?:[^"\\]|\[\d\D])*"/ 這樣就滿足我們的要求了。

效果不錯(cuò)。
回頭過來分分析下他現(xiàn)在的性能吧。
還是這個(gè)字符串: "123456'78\"90" ， 正則 /"(?:[^"\\]|\\[\d\D])*"/

共 16 個(gè)字符，除了第一個(gè) " 直接匹配成功，還剩余 15 個(gè)，有 2 個(gè)轉(zhuǎn)義(4 個(gè)字符)，[^"\\] 能匹配成功 10 個(gè)字符，只有 2 次失敗。
為什么不是 4 次失敗呢，明明有4個(gè)字符啊。\\ 雖然是2個(gè)字符，但是讀到第一個(gè) \ 就匹配失敗，然后用 \\[\d\D] 匹配成功，
占用掉了兩個(gè)字符 \\ 下次用下一個(gè)o開始匹配，所以只有2次回溯。
只有 2 次需要回溯，然后用 \\[\d\D] 匹配成功。當(dāng)然最后一個(gè) " 還是會(huì)直接匹配成功。
所以從 10 次回溯，減少到了 2 次，雖然正則比昨天臃腫了很多，但至少性能提升了不止一個(gè)等級(jí)。

OK，今天的分享完畢，明天見。