js 正則學習小記之匹配字串最佳化篇

標籤：style   blog   class   tar   c   color   

原文:js 正則學習小記之匹配字串最佳化篇

昨天在《js 正則學習小記之匹配字串》談到 /"(?:\\.|[^"])*"/ 是個不錯的運算式，因為可以滿足我們的要求，所以這個運算式可用，但不一定是最好的。
從效能上來說，他非常糟糕，為什麼這麼說呢，因為 傳統型NFA引擎 遇到分支是從左往右匹配的，
所以它會用 \\. 去匹配每一個字元，發現不對後才用 [^"] 去匹配。
比如這樣一個字串: "123456\‘78\"90"
共 16 個字元，除了第一個 " 直接匹配成功，還剩餘 15 個，只有 2 個轉義(4 個字元)，所以 \\. 會失敗 10 次，只有 2 次成功。
這 10 次匹配失敗，需要回溯後用 [^"] 才能匹配成功，當然最後一個 " 會直接匹配成功。

很明顯，正常的字串不可能全是轉義，正常的字串才是主流，當然不排除有人故意全轉義的情況。
所以這個正則需要10次回溯後才能匹配完成，如果字串增長到 1K 1M 腫麼破呢？
所以我們要修改下這個正則，前後換下位置嗎？
難道是 /"(?:[^"]|\\.)*"/ ？ 呵呵，好像不太對，這樣的話轉義就不能被匹配了。

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

可是還是有問題，因為我們在 [^"\\] 過濾掉了 \n 所以沒法匹配多行字元的情況。

js 中 字串用 \ 折行是允許的，但是修改後的 正則 沒法匹配這樣的字串了，所以我們還得繼續修複。
因為 . 沒法匹配換行，所以我們要用其他方式表達。
. 是用於匹配除分行符號之外的所有字元，難道我們要 [.\n] 來表示嗎？
這樣是不對的，因為 [] 字元集中的 . 不再表示除分行符號之外的所有字元，而是字元 . 也就是他本身一個字元而已。
那怎麼辦呢？
其實換個思路，
\d 表示 0-9
\D 表示 [^0-9]
那麼 [\d\D] 就表示所有了，不是麼。（新人朋友不知道能不能消化這個知識點。）
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。
回頭過來分分析下他現在的效能吧。
還是這個字串: "123456\‘78\"90" ， 正則 /"(?:[^"\\]|\\[\d\D])*"/

共 16 個字元，除了第一個 " 直接匹配成功，還剩餘 15 個，有 2 個轉義(4 個字元)，[^"\\] 能匹配成功 10 個字元，只有 2 次失敗。
為什麼不是 4 次失敗呢，明明有4個字元啊。\\ 雖然是2個字元，但是讀到第一個 \ 就匹配失敗，然後用 \\[\d\D] 匹配成功，
佔用掉了兩個字元 \\ 下次用下一個o開始匹配，所以只有2次回溯。
只有 2 次需要回溯，然後用 \\[\d\D] 匹配成功。當然最後一個 " 還是會直接匹配成功。
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，但至少效能提升了不止一個等級。

OK，今天的分享完畢，明天見。