正則之小數點

 

小數點可以匹配除了換行符“\n”以外的任意一個字符

 

一些細節

對於使用傳統NFA引擎的大多數語言,如Java,.NET來說,“.”的匹配範圍是這樣的。 

但是對於JavaScript來說有些特殊,由於各瀏覽器的解析引擎不同,“.”的匹配範圍也有所不同,對於Trident內核的瀏覽器,如IE來說,“.”同樣是匹配除了換行符“\n”以外的任意一個字符,但是對於其它內核的瀏覽器,如Firefox、Opera、Chrome來說,“.”是匹配除了回車符“\r”和換行符“\n”以外的任意一個字符。

測試

<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

*/

關於此細節的一些猜測

大概測了一下,Trident、Presto和Gecko應該都是採用的傳統NFA引擎,而webkit至少是支持傳統NFA引擎的,但是又與傳統NFA引擎表現的不太一樣,估計不是做了高級優化的傳統NFA引擎,就是DFA/NFA混合引擎。

由於Windows下支持“\r”和“\n”,而UNIX下只支持“\n”,所以我猜想可能是由於其它瀏覽器引擎並不來自於Windows,所以沒有提供對“\r”的支持,從而導致在正則中“.”也不匹配“\r”吧。沒做深入研究,只是一些猜測罷了。 

 

如要匹配小數點本身,用“\”進行轉義“\.

注意

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

舉例

需求描述:匹配<td>標籤中的內容

源字符串:<td>This is a test line.

              Another line. </td>

匹配結果:<td>This is a test line.

              Another line. </td> 

正則表達式一:<td>[\s\S]*</td>

正則表達式二:(?s)<td>.*</td>

 

匹配效率測試:

以下爲測試用字符串,即下面richTextBox1.Text裏輸入的內容(取自CSDN首頁):

<link href="images/favicon.ico" rel="SHORTCUT ICON" />

<title>CSDN.NET - 中國領先的IT技術社區,爲IT專業技術人員提供最全面的信息傳播和服務平臺</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"></script>

<script type="text/javascript">

測試代碼:

            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 += "正則表達式:" + re.ToString().PadRight(10) + "執行時間:" + stopW.ElapsedMilliseconds.ToString() + " ms";

                richTextBox2.Text += "\n---------------------------------------\n";

            }

測試結果:

測試分兩組進行,程序執行前內存佔用爲921M

一組是未使用量詞,每次僅替換一個字符,執行時間如下,佔用內存938M

/*--------輸出--------

正則表達式:[\s\S]    執行時間:2651 ms

---------------------------------------

正則表達式:[\w\W]    執行時間:2515 ms

---------------------------------------

正則表達式:[\d\D]    執行時間:2187 ms

---------------------------------------

正則表達式:(.|\n)    執行時間:2470 ms

---------------------------------------

正則表達式:(?s).     執行時間:1969 ms

---------------------------------------  

*/

另一組使用了量詞,一次替換所有字符,執行時間如下,佔用內存1218M

/*--------輸出--------

正則表達式:[\s\S]+   執行時間:249 ms

---------------------------------------

正則表達式:[\w\W]+   執行時間:348 ms

---------------------------------------

正則表達式:[\d\D]+   執行時間:198 ms

---------------------------------------

正則表達式:(.|\n)+   執行時間:879 ms

---------------------------------------

正則表達式:(?s).+    執行時間:113 ms

---------------------------------------

*/ 

測試結果分析:

匹配效率最高的是採用了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,只是習慣上用得多些

 

注:由於各語言支持的引擎不同,即使使用同一種引擎,對正則做的優化也有所不同,所以以上性能測試結論可能僅適用於.NET

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章