正则表达式 贪婪与非贪婪的回溯

先推一个不错的js正则表达式在线资源:http://www.jb51.net/tools/zhengze.html

概念不提,看例子:

贪婪:

var re=/<script>.+<\/script>/g;
jsstr = "<script<script>alert(document.cookie)<\/script>>alert(document.cookie)<\/script>";

var result=jsstr.match (re);
alert (result[0]);//<script>alert(document.cookie)<\/script>>alert(document.cookie)<\/script>

非贪婪:

var re=/<script>.+?<\/script>/g;
jsstr = "<script<script>alert(document.cookie)<\/script>>alert(document.cookie)<\/script>";

var result=jsstr.match (re);
alert (result[0]);//<script>alert(document.cookie)<\/script>

分析:

贪婪就是即使发现了匹配标签<\/script>(中间的),表达式依然贪想着后面可能还有这样的匹配标签,没有还则罢了,有就是最后发现的。(还有点(.)匹配除换行符 \n 之外的任何单个字符,所以中间出现的<\/script>就被当做任意字符处理了);

非贪婪就是只要遇到匹配标签<\/script>就停止了,才不管后面得东东,只要满足就行了。

 

贪婪、非贪婪引起的回溯

回溯1:

var re=/\w*(\d+)/g;

var str="cfc456n";

var result=str.match (re);
alert (result[0]);//6

疑惑:为什么结果不是456呢?

分析:当正则引擎用正则\w*(\d+)去匹配字符串cfc456n时,会先用\w*去匹配字符串cfc456n,首先,\w*会匹配字符串cfc456n的所有字符,然后再交给\d+去匹配剩下的字符串,而剩下的没了,这时,\w*规则会不情愿的吐出一个字符,给\d+去匹配,同时,在吐出字符之前,记录一个点,这个点,就是用于回溯的点,然后\d+去匹配n,发现并不能匹配成功,会再次要求\w*再吐出一个字符,\w*会先再次记录一个回溯的点,再吐出一个字符。这时,\w* 匹配的结果只有cfc45了,已经吐出6n了,\d+再去匹配6,发现匹配成功,则会通知引擎,匹配成功了,就直接显示出来了。所以,(\d+)的结果是6,而不是456。

回溯2:

var re=/\w*?(\d+)/g;

var str="cfc456n";

var result=str.match (re);
alert (result[0]);//456

疑惑:这个又是什么个原理呢?

分析:正则表达式有条规则,是量词优先匹配,所以\w*?会先去匹配字符串cfc456,由于\w*?是非贪婪,正则引擎会用表达式\w+?每次仅匹配一个字符串,然后再将控制权交给后面的\d+去匹配下一个字符,同时,记录一个点,用于在匹配不成功的时候,返回这里,再次匹配,也就是回溯点。由于\w后面是量词是*,*表示0到无数次,所以,首先是0次,也就是\w*?匹配个空,记录回溯点,将控制权交给\d+,\d+去匹配cfc456n的第一个字符c,然后,匹配失败,于是乎,接着讲控制权交给\w*?去匹配cfc456n的c,\w*?匹配c成功,由于是非贪婪,所以,他每次只匹配一个字符,记录回溯点,然后再将控制权交给\d+匹配f,接着,\d+匹配f再失败,再把控制权给\w*?,\w*?再匹配c,记录回溯点(这时\w*?匹配结果是cfc了),再把控制权给\d+,\d+去匹配4,匹配成功,然后,由于量词是+,就是1到无数次,所以,接着往后匹配,再匹配5,成功,再接着,再匹配6,成功,再接着,继续匹配操作,下一个字符是n,匹配失败,这时,\d+会吧控制权交出去。由于\d+后面已经没有正则表达式了,所以,整个正则表达式宣告匹配完成,其结果就是 cfc456, 其中第一组结果是456。


额外的例子

var re=/<script>.+?<\/script>/g;
jsstr = "<script>***。。。<\/script>";//长度大于100014

var result=jsstr.match (re);
alert (result[0]);//null

结果不能匹配成功?其原因就是回溯太多了,直到造成耗尽栈空间爆栈。

 

练习:用下面的re1,re2,re3去匹配str,分别有几次回溯?

var str = "<script>123456<\/script>";
var re1=/<script>.+<\/script>/g;

var re2=/<script>.+?<\/script>/g;
var re3=/<script>(?:(?!<\/script>).)+<\/script>/g; //7次

解析:re1:9次。(<script>)匹配"<script>",(.+)匹配"123456<\/script>",此时(<\/script>)发现没得匹配了,就要求回溯,每回溯一次(.+)就会让出一个字符,这样9次之后就可以满足条件了。

re2:5次。(<script>)匹配"<script>",(.+)匹配"1",此时轮到(<\/script>)匹配了,可是(<\/script>)发现不能匹配,于是要求回溯使得(.+)再次匹配一个"2",此后又轮到(<\/script>),还不匹配,再回溯,如此5次,最终在(.+)匹配了"123456"后,(<\/script>)也得以匹配成功

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