正則小結

　　正則就是一段描述匹配規則的字符串，經解析，能匹配想要的字符串。就比如受害者描述嫌疑人的體貌特徵，警察會從衆多體貌相近的人中進行篩選，描述得準確，能夠減小排查範圍，加快破案的速度。傳統型NFA就是典型的例子，決定權在於你， 看你的如何描述，如何引導正則引擎去高效地匹配相應內容。大多數人看到正則晦澀難懂，只要求會用， 不去考究它的工做原理， 是很難活學活用的。本身也差很少， 很難系統地去學習正則， 非要寫的時候也是參考手冊寫的， 此次可貴有閒情雅緻去啃這硬骨頭， 比之前瞭解得稍微多了點， 在此作個小結。

　　我的是在JS中使用正則的，其中的正則是Perl正則的一個完整的子集，屬於傳統型NFA。正則引擎分爲DFA，傳統型NFA ，POSIX NFA。DFA和NFA的最大區別是， DFA是文本主導的，每一個字符只會檢查一遍，不會回溯，不支持捕獲型括號，遵循最左最長原則。POSIX NFA的典型特徵是，雖然它是表達式主導的，在匹配到第一個結果之後，會繼續嘗試全部可能性（分支），直到找到最長的匹配爲止。因此相比較而言，POSIX NFA的速度最慢。(/a|ab/去匹配字符串'abc')。

 

---

 

　　舉個較常見的例子，12312312345 ==> 12,312,312,345  (每三位之間加逗號)。分析一下，在添加逗號的地方，右側是3的整數倍的數字，左側是1-3個數字。若是對環視(預查)不陌生的話，能很快想到/(?<=\d)(?=(?:\d{3})+)/，將這些位置替換爲逗號。可是?<=在js中是不被支持的，得脫離反向環視。s.replace(/\d(?=(?:\d{3})+)/g,function(){return arguments[0]+',';})能夠很出色的完成這個任務,固然還有不少的替代方案，例如s.match(/\d(?=(?:\d{3})*)/).join(',') 這裏和以前正則惟一的不一樣就是+改爲了*號，咱們須要最後3個數字，才能拼接成咱們想要的字符串。若是不使用環視呢，我能想到的辦法，就是循環。

　　　　var r = /(\d)((\d{3})+)$/;
        while(r.test(s)){
                s = s.replace(r,function(){
                    var arg = arguments;
                    return arg[1]+','+arg[2];
                });
        }

固然這樣的代價是很大的，效率會低不少。可見達到目的，方法有不少，若是選擇一個最合適的方法，必須得花點本錢花點時間去了解傳統型NFA的工做原理。

 

---

 

　　表達式匹配的過程

　　1 編譯爲內部形式。 每一個表達式的行程都會消耗必定的資源，對於重複出現的表達式，必定要一次聲明，多處使用，尤爲是在循環中。

　　2 開始傳動，正則引擎定位到目標字符串的起始位置。若是指定的lastIndex，就是從這個位置開始。

　　3 依次檢測表達式的各個元素，控制權在不一樣的元素之間切換。

　　4 尋找合適的結果。傳統型一旦檢測到合適的結果就會終止檢索，若是有g修飾符，會從以前匹配的字符以後去檢索，而POSIX NFA會嘗試各類可能性，匹配最長的結果。

　　5 若是失敗，會從步驟3從新開始。

　　6 完全宣告失敗。

 

---

 　優化措施

　　對其工做原理有必定了解之後，須要經過大量的實踐才能概括出些許優化手段。固然我作的仍是不多的，參考書上，照搬到這裏。

　　  　　  1 行錨點優化 ^ $，  /dasd$/可以從字符串倒數第四位開始匹配。
            　　獨立出^$, ^(and) 比 (^abc)效率高，由於第二個在檢測錨點以前必須進入到字符串
        　　2 若是正則以 .* 開頭，並且沒有g， 可認爲詞表達式開頭有一個看不見的^， 減小大量的回溯
        　　3 字符串鏈接優化，將abc當作一個元素，而不是三個
        　　4 消除沒必要要的括號 (?:.)* -> .*
        　　5 消除沒必要要的字符組 [.]->\.
        　　6 (非貪婪)->使用忽略優先量詞的時候，引擎一般須要在量詞做用對象和該對象以後的字符之間切換，速度較慢。
        　　"(.*?)"         *嘗試匹配0，查看下一次字符是不是",依次迭代。另一個缺點就是，"在括號外面，會帶來額外的開銷。
        　　可使用[^"]來代替通配符(.), ?也能夠去掉。
        　　7 避免指數級(super-linear 超線性)匹配
        　　8 ?>固化分組 和 ?++ 佔有優先量詞 避免回溯
        　　9 正則一次編譯，屢次調用，(Perl)減小變量插值
        　　10 使用非捕獲型的括號，避免濫用括號, 字符組
        　　11 提取多選結構開頭的必須元素(this|that)->th(is|at)
        　　12 忽略優先仍是匹配優先，具體狀況具體分析。
        　　好比^.*:  相比較於 ^.*?:
            　　前面的正則會匹配到最後一個:  然後面的匹配到第一個:
        　　若是隻有一個冒號,如何取捨？
        　　若是:比較靠前 xxx:xxxxxxxxxxxxxxxxxxxxxxxxxx,使用忽略優先
        　　反之，使用匹配優先，由於忽略優先須要檢測在量詞和:之間切換，表現不如匹配優先; 而此時，匹配優先只須要少許的回溯就能夠匹配。
        　　若是數據隨機,優先使用匹配優先.
        　　13 多選結構中，出現概率的排在最前面
        　　14 取消循環

---

 

　　傳統型NFA是控制能力最強的正則引擎，考量正則的連個標準是準確性和效率，須要花內心在這兩則之間找到平衡。因此以前的優化措施顯得尤其重要。只有大量的實踐以及精益求精的精神才能夠提煉出接近完美的正則，雖然有時候正則引擎自己的優化以及強化會極大影響匹配效率，本身能作的是在框架之下作到最好，而且在合適的時機跳出這個框架的約束。