js 正则学习小记之匹配字符串字面量优化篇

昨天在《js 正则学习小记之匹配字符串字面量》谈到 /"(?:\.|[^"])*"/ 是个不错的表达式，因为可以满足我们的要求，所以这个表达式可用，但不一定是最好的

昨天在《js 正则学习小记之匹配字符串字面量》谈到 /"(?:\.|[^"])*"/ 是个不错的表达式，因为可以满足我们的要求，所以这个表达式可用，但不一定是最好的。从性能上来说，他非常糟糕，为什么这么说呢，因为 传统型NFA引擎 遇到分支是从左往右匹配的，所以它会用 \. 去匹配每一个字符，发现不对后才用 [^"] 去匹配。比如这样一个字符串: "123456'78"90"共 16 个字符，除了第一个 " 直接匹配成功，还剩余 15 个，只有 2 个转义(4 个字符)，所以 \. 会失败 10 次，只有 2 次成功。这 10 次匹配失败，需要回溯后用 [^"] 才能匹配成功，当然最后一个 " 会直接匹配成功。

很明显，正常的字符串不可能全是转义，正常的字符串才是主流，当然不排除有人故意全转义的情况。所以这个正则需要10次回溯后才能匹配完成，如果字符串增长到 1K 1M 肿么破呢？所以我们要修改下这个正则，前后换下位置么？难道是 /"(?:[^"]|\.)*"/ ？ 呵呵，好像不太对，这样的话转义就不能被匹配了。

所以还要修改下 /"(?:[^"\]|\.)*"/ 这样就OK了，遇到 转义就会用 \. 去尝试匹配。

可是还是有问题，因为我们在 [^"\] 过滤掉了 n 所以没法匹配多行字符的情况。

js 中 字符串用 折行是允许的，但是修改后的 正则 没法匹配这样的字符串了，所以我们还得继续修复。

因为 . 没法匹配换行，所以我们要用其他方式表达。. 是用于匹配除换行符之外的所有字符，难道我们要 [.n] 来表示么？这样是不对的，因为 [] 字符集中的 . 不再表示除换行符之外的所有字符，而是字符 . 也就是他本身一个字符而已。那怎么办呢？其实换个思路，d 表示 0-9D 表示 [^0-9]那么 [dD] 就表示所有了，不是么。（新人朋友不知道能不能消化这个知识点。）同理 [sS] [wW] 同样可以。所以 /"(?:[^"\]|\[dD])*"/ 这样就满足我们的要求了。

效果不错。回头过来分分析下他现在的性能吧。还是这个字符串: "123456'78"90" ， 正则 /"(?:[^"\]|\[dD])*"/

共 16 个字符，除了第一个 " 直接匹配成功，还剩余 15 个，有 2 个转义(4 个字符)，[^"\] 能匹配成功 10 个字符，只有 2 次失败。为什么不是 4 次失败呢，明明有4个字符啊。\ 虽然是2个字符，但是读到第一个 就匹配失败，然后用 \[dD] 匹配成功，占用掉了两个字符 \下次用下一个o开始匹配，所以只有2次回溯。只有 2 次需要回溯，然后用 \[dD] 匹配成功。当然最后一个 " 还是会直接匹配成功。所以从 10 次回溯，减少到了 2 次，虽然正则比昨天臃肿了很多，但至少性能提升了不止一个等级。

OK，今天的分享完毕，明天见。