欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

正则基础之 小数点

程序员文章站 2022-10-31 19:09:10
一些细节 对于使用传统nfa引擎的大多数语言和工具,如java、.net来说,“.”的匹配范围是匹配除了换行符“\n”以外的任意一个字符。 但是对于javascript来说...
一些细节
对于使用传统nfa引擎的大多数语言和工具,如java、.net来说,“.”的匹配范围是匹配除了换行符“\n”以外的任意一个字符。
但是对于javascript来说有些特殊,由于各浏览器的解析引擎不同,“.”的匹配范围也有所不同,对于trident内核的浏览器,如ie来说,“.”同样是匹配除了换行符“\n”以外的任意一个字符,但是对于其它内核的浏览器,如firefox、opera、chrome来说,“.”是匹配除了回车符“\r”和换行符“\n”以外的任意一个字符。

关于此细节的一些猜测
复制代码 代码如下:

# <script type="text/javascript">
# document.write(/./.test("\r") + "<br />");
# document.write(/./.test("\n") + "<br />");
# </script>
# //ie下输出
# true
# false
# //firefox、opera、chrome下输出
# false
# false

大概测了一下,trident、presto和gecko应该都是采用的传统nfa引擎,而webkit至少是支持传统nfa引擎的,但是又与传统nfa引擎表现的不太一样,估计不是做了高级优化的传统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浏览器引擎并不来自于windows,所以没有提供对“\r”的支持,从而导致在正则中“.”也不匹配“\r”吧。没做深入研究,只是一些猜测罢了。
常见应用误区
注意
在匹配多行时,不要试图用“[.\n]”来匹配任意字符,这种写法表示的只是小数点和换行符两个字符中的一个,可以使用“(.|\n)”,但一般不这样用,这样写可读性差,效率也低,一般用“[\s\s]”,或者是用“.”加(?s)匹配模式来达到这一效果。

举例
需求描述:匹配<td>标签中的内容
源字符串:<td>this is a test line.
another line. </td>
匹配结果:<td>this is a test line.
another line. </td>
正则表达式一:<td>[\s\s]*</td>
正则表达式二:(?s)<td>.*</td>
匹配效率测试
以下为测试用字符串,即下面richtextbox1.text里输入的内容(取自csdn首页):
复制代码 代码如下:

<link href="images/favicon.ico" rel="shortcut icon" />
<title>csdn.net - 中国领先的it技术社区,为it专业技术人员提供最全面的信息传播和服务平台</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">

测试代码:
复制代码 代码如下:

# 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 += "正则表达式:" + re.tostring().padright(10) + "执行时间:" + stopw.elapsedmilliseconds.tostring() + " ms";
# richtextbox2.text += "\n---------------------------------------\n";
# }

测试结果:
测试分两组进行,程序执行前内存占用为921m
一组是未使用量词,每次仅替换一个字符,执行时间如下,占用内存938m
复制代码 代码如下:

正则表达式:[\s\s] 执行时间:2651 ms
---------------------------------------
正则表达式:[\w\w] 执行时间:2515 ms
---------------------------------------
正则表达式:[\d\d] 执行时间:2187 ms
---------------------------------------
正则表达式:(.|\n) 执行时间:2470 ms
---------------------------------------
正则表达式:(?s). 执行时间:1969 ms

另一组使用了量词,一次替换所有字符,执行时间如下,占用内存1128m
复制代码 代码如下:

测试结果(带量词)
正则表达式:[\s\s]+ 执行时间:249 ms
---------------------------------------
正则表达式:[\w\w]+ 执行时间:348 ms
---------------------------------------
正则表达式:[\d\d]+ 执行时间:198 ms
---------------------------------------
正则表达式:(.|\n)+ 执行时间:879 ms
---------------------------------------
正则表达式:(?s).+ 执行时间:113 ms
---------------------------------------

测试结果分析:
匹配效率最高的是采用了singleline这种匹配模式的“.”
其次是“[\d\d]”,而“(.|\n)”的匹配效率最低
“[\s\s]”的匹配效率居中,只是习惯上用得多些

注:由于各语言支持的引擎不同,即使使用同一种引擎,对正则做的优化也有所不同,所以以上性能测试结论可能仅适用于.net。