正則表達式案例分析 （二）

前言

最近在從新學習正則表達式，把在學習過程當中所遇到的案例，還有比較難理解概念用本身的理解分析並整理總結。

若有哪些地方不對，歡迎指正，謝謝！(๑•ᴗ•๑)

本系列使用的JavaScript所支持的正則表達式語法，並推薦你使用 regexr.com/ 去作相應的練習。

假定你已經熟悉元字符，方括號，修飾符,量詞及RegExp對象。

若是沒有，請先看一遍文檔
www.w3school.com.cn/jsref/jsref…

本系列同步GitHub github.com/Janking/Blo…

系列目錄

正則表達式案例分析 （一）

案例分析

(1) 重複分組

在上一篇介紹千分位的時候，就有用到重複分組，這是一個很容易理解錯誤的點，至少我開始的時候是理解錯誤的。

https://user-gold-cdn.xitu.io/2017/7/23/0752787423b4fe0c5aaa52f2126294ba

假定用這個正則去匹配 1234567890，開始我覺得分組小括號(\d\d\d)的最終結果是 123，456，789都能拿到，但結果卻只有789

重複分組的匹配在每次引擎退出該分組的時候被捕獲，並會覆蓋該分組在以前匹配的任何文本

模擬一下引擎工做的步驟：

1. 第一次匹配，捕獲到 `123`，退出分組
2. 第二次匹配，捕獲到 `456`, 覆蓋上一次捕獲的`123`，退出分組
3. 第三次匹配，捕獲到 `789`，覆蓋上一次捕獲的`456`，退出分組
4. 退出重複分組，結束複製代碼

由於重複分組最後一次循環存儲的是789，另外兩次分組匹配，也就是123，456是沒法被獲取的。

若是想要得到全部結果，就要把重複匹配放進分組中 /((\d\d\d){3})/

(2) 獲取<p>...</p>中的內容

https://user-gold-cdn.xitu.io/2017/7/23/92b63477e6366c36f7dac825f3bda438

/<p>(.*?)<\/p>/g.exec('<p>Hello,<em>world</em></p><p>Hello,Janking</p>')

運行結果

[
    "<p>Hello,<em>world</em></p>",
     "Hello,<em>world</em>", 
     index: 0, 
     input: "<p>Hello,<em>world</em></p><p>Hello,Janking</p>"
]複製代碼

假如沒有?，而匹配結果就會差很遠，不信你看！

/<p>(.*)<\/p>/g.exec('<p>Hello,<em>world</em></p><p>Hello,Janking</p>')

運行結果

[
    "<p>Hello,<em>world</em></p><p>Hello,Janking</p>", 
    "Hello,<em>world</em></p><p>Hello,Janking", 
    index: 0, 
    input: "<p>Hello,<em>world</em></p><p>Hello,Janking</p>"
]複製代碼

缺乏了問號?，結果把中間的</p><p>也匹配進來了，爲何一個字符不一樣，匹配結果就差別那麼大？這裏涉及到正則表達式中比較重要的概念：貪婪匹配，懶惰匹配，回溯

貪婪匹配

屬於貪婪模式的量詞，也叫作匹配優先量詞，包括：{m,n}，{m,}，?，* 和 + 。

惰性匹配

在匹配優先量詞後加上?，即變成屬於惰性匹配的量詞，也叫作忽略優先量詞，包括：{m,n}?，{m,}?，??，*? 和 +? 。

回溯

當前前面分支/重複匹配成功後，沒有多餘的文本可被正則後半部分匹配時，會產生回溯

用一個簡單的例子來解釋一下貪婪匹配和惰性匹配！

貪婪 ： /\d+\b/

惰性 ： /d+?\b/

文本 ： 1234a

貪婪正則匹配 1234a 時的過程是這樣的：

1. \d+ 匹配獲得 1234
    2. \b  卻匹配失敗，由於它的左邊必須是數字，而不是字母 (\b 是分詞邊界匹配，用來獲取位置，而不是文本，上一節有講到)
    4. 這個時候，\d+會嘗試回吐一個字符，即匹配結果爲 123 ，可\b仍是匹配失敗！
    5. 那就繼續回吐，一直到 1，仍是匹配失敗，那麼這個正則就總體匹配失敗了
    6. 這個回吐匹配結果的過程就是回溯複製代碼

惰性正則匹配 1234a 時的過程是這樣的：

1. \d+？ 首先匹配，結果是 1 ，緊接着 \b 匹配失敗
    2. 那就 \d+? 繼續匹配，結果是 12 ，緊接着 \b 仍是匹配失敗
    3. \d+? 一直匹配到1234，緊接着的 \b 依然匹配失敗
    4. 結果整個正則匹配不成功複製代碼

經過這兩個例子的比較，相信你會猜到回溯會影響匹配速度，回溯的過程慢那是相對那些DFA引擎。

而JS的正則引擎是NFA（非肯定型有限自動機），匹配慢，編譯快。

結束語

本章節將的案例只有兩個，主要是涉及到幾個重要概念，佔了必定的篇幅，因爲本人不喜歡把文章寫的太長，影響閱讀體驗，因此就此打住，從下一篇開始會重點的去分析經常使用正則表達式的匹配過程，敬請期待。

參考文獻：

• 《精通正則表達式》
• 《正則表達式經典實例》