一些細(xì)節(jié)

對(duì)于使用傳統(tǒng)NFA引擎的大多數(shù)語(yǔ)言和工具，如Java、.NET來(lái)說(shuō)，“.”的匹配范圍是匹配除了換行符“\n”以外的任意一個(gè)字符。
但是對(duì)于javascript來(lái)說(shuō)有些特殊，由于各瀏覽器的解析引擎不同，“.”的匹配范圍也有所不同，對(duì)于Trident內(nèi)核的瀏覽器，如IE來(lái)說(shuō)，“.”同樣是匹配除了換行符“\n”以外的任意一個(gè)字符，但是對(duì)于其它內(nèi)核的瀏覽器，如Firefox、Opera、Chrome來(lái)說(shuō)，“.”是匹配除了回車(chē)符“\r”和換行符“\n”以外的任意一個(gè)字符。

關(guān)于此細(xì)節(jié)的一些猜測(cè)

<script type="text/javascript">
    document.write(/./.test("\r") + "<br />");
    document.write(/./.test("\n") + "<br />");
</script>
/*-----------IE下輸出-----------
true
false
*/
/*-----------Firefox、Opera、Chrome下輸出-----------
false
false
*/

大概測(cè)了一下，Trident、Presto和Gecko應(yīng)該都是采用的傳統(tǒng)NFA引擎，而webkit至少是支持傳統(tǒng)NFA引擎的，但是又與傳統(tǒng)NFA引擎表現(xiàn)的不太一樣，估計(jì)不是做了高級(jí)優(yōu)化的傳統(tǒng)NFA引擎，就是DFA/NFA混合引擎。

由于Windows下支持“\r”和“\n”，而UNIX下只支持“\n”，所以我猜想可能是由于其它瀏覽器引擎并不來(lái)自于Windows，所以沒(méi)有提供對(duì)“\r”的支持，從而導(dǎo)致在正則中“.”也不匹配“\r”吧。沒(méi)做深入研究，只是一些猜測(cè)罷了。

常見(jiàn)應(yīng)用誤區(qū)

注意

在匹配多行時(shí)，不要試圖用“[.\n]”來(lái)匹配任意字符，這種寫(xiě)法表示的只是小數(shù)點(diǎn)和換行符兩個(gè)字符中的一個(gè)，可以使用“(.|\n)”，但一般不這樣用，這樣寫(xiě)可讀性差，效率也低，一般用“[\s\S]”，或者是用“.”加(?s)匹配模式來(lái)達(dá)到這一效果。

舉例

需求描述：匹配<td>標(biāo)簽中的內(nèi)容
源字符串：<td>This is a test line.
Another line. </td>
匹配結(jié)果：<td>This is a test line.
Another line. </td>
正則表達(dá)式一：<td>[\s\S]*</td>
正則表達(dá)式二：(?s)<td>.*</td>

匹配效率測(cè)試

以下為測(cè)試用字符串，即下面richTextBox1.Text里輸入的內(nèi)容（取自CSDN首頁(yè)）：

<link href="images/favicon.ico" rel="SHORTCUT ICON" />
<title>CSDN.NET - 中國(guó)領(lǐng)先的IT技術(shù)社區(qū)，為IT專(zhuān)業(yè)技術(shù)人員提供最全面的信息傳播和服務(wù)平臺(tái)</title>
<script language='JavaScript' type='text/javascript' src='http://www.csdn.net/ggmm/csdn_ggmm.js'></script> <script type="text/javascript" src="http://counter.csdn.net/a/js/AreaCounter.js%22%3E%3C/script>
<script type="text/javascript">

測(cè)試代碼：

string yourStr = richTextBox1.Text;
            StringBuilder src = new StringBuilder(4096);
            for (int i = 0; i < 10000; i++)
            {
                src.Append(yourStr);
            }
            string strData = src.ToString();
            List<Regex> reg = new List<Regex>();
            reg.Add(new Regex(@"[\s\S]"));
            reg.Add(new Regex(@"[\w\W]"));
            reg.Add(new Regex(@"[\d\D]"));
            reg.Add(new Regex(@"(.|\n)"));
            reg.Add(new Regex(@"(?s)."));
            string test = string.Empty;
            Stopwatch stopW = new Stopwatch();
            foreach (Regex re in reg)
            {
                stopW.Reset();
                stopW.Start();
                test = strData;
                test = re.Replace(test, "");
                stopW.Stop();
                richTextBox2.Text += "正則表達(dá)式：" + re.ToString().PadRight(10) + "執(zhí)行時(shí)間：" + stopW.ElapsedMilliseconds.ToString() + " ms";
                richTextBox2.Text += "\n---------------------------------------\n";
            }

測(cè)試結(jié)果：
測(cè)試分兩組進(jìn)行，程序執(zhí)行前內(nèi)存占用為921M
一組是未使用量詞，每次僅替換一個(gè)字符，執(zhí)行時(shí)間如下，占用內(nèi)存938M

正則表達(dá)式：[\s\S] 執(zhí)行時(shí)間：2651 ms
---------------------------------------
正則表達(dá)式：[\w\W] 執(zhí)行時(shí)間：2515 ms
---------------------------------------
正則表達(dá)式：[\d\D] 執(zhí)行時(shí)間：2187 ms
---------------------------------------
正則表達(dá)式：(.|\n) 執(zhí)行時(shí)間：2470 ms
---------------------------------------
正則表達(dá)式：(?s). 執(zhí)行時(shí)間：1969 ms

另一組使用了量詞，一次替換所有字符，執(zhí)行時(shí)間如下，占用內(nèi)存1128M

測(cè)試結(jié)果（帶量詞）
正則表達(dá)式：[\s\S]+ 執(zhí)行時(shí)間：249 ms
---------------------------------------
正則表達(dá)式：[\w\W]+ 執(zhí)行時(shí)間：348 ms
---------------------------------------
正則表達(dá)式：[\d\D]+ 執(zhí)行時(shí)間：198 ms
---------------------------------------
正則表達(dá)式：(.|\n)+ 執(zhí)行時(shí)間：879 ms
---------------------------------------
正則表達(dá)式：(?s).+ 執(zhí)行時(shí)間：113 ms
---------------------------------------

測(cè)試結(jié)果分析：

匹配效率最高的是采用了Singleline這種匹配模式的“.”
其次是“[\d\D]”，而“(.|\n)”的匹配效率最低
“[\s\S]”的匹配效率居中，只是習(xí)慣上用得多些

注：由于各語(yǔ)言支持的引擎不同，即使使用同一種引擎，對(duì)正則做的優(yōu)化也有所不同，所以以上性能測(cè)試結(jié)論可能僅適用于.NET。

最新評(píng)論