正则基础之——小数点

小数点可以匹配除了换行符“\n”以外的任意一个字符

 

一些细节

对于使用传统NFA引擎的大多数语言，如Java，.NET来说，“.”的匹配范围是这样的。 

但是对于JavaScript来说有些特殊，由于各浏览器的解析引擎不同，“.”的匹配范围也有所不同，对于Trident内核的浏览器，如IE来说，“.”同样是匹配除了换行符“\n”以外的任意一个字符，但是对于其它内核的浏览器，如Firefox、Opera、Chrome来说，“.”是匹配除了回车符“\r”和换行符“\n”以外的任意一个字符。

测试

<script type="text/javascript">

    document.write(/./.test("\r") + "<br />");

    document.write(/./.test("\n") + "<br />");

</script>

/*-----------IE下输出-----------

true

false

*/

/*-----------Firefox、Opera、Chrome下输出-----------

false

false

*/

关于此细节的一些猜测

大概测了一下，Trident、Presto和Gecko应该都是采用的传统NFA引擎，而webkit至少是支持传统NFA引擎的，但是又与传统NFA引擎表现的不太一样，估计不是做了高级优化的传统NFA引擎，就是DFA/NFA混合引擎。

由于Windows下支持“\r”和“\n”，而UNIX下只支持“\n”，所以我猜想可能是由于其它浏览器引擎并不来自于Windows，所以没有提供对“\r”的支持，从而导致在正则中“.”也不匹配“\r”吧。没做深入研究，只是一些猜测罢了。 

 

如要匹配小数点本身，用“\”进行转义“\.”

注意

在匹配多行时，不要试图用“[.\n]”来匹配任意字符，这种写法表示的只是小数点和换行符两个字符中的一个，可以使用“(.|\n)”，但一般不这样用，这样写可读性差，效率也低，一般用“[\s\S]”，或者是用“.”加(?s)匹配模式来达到这一效果。

举例

需求描述：匹配<td>标签中的内容

源字符串：<td>This is a test line.

              Another line. </td>

匹配结果：<td>This is a test line.

              Another line. </td> 

正则表达式一：<td>[\s\S]*</td>

正则表达式二：(?s)<td>.*</td>

 

匹配效率测试：

以下为测试用字符串，即下面richTextBox1.Text里输入的内容（取自CSDN首页）：

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

<title>CSDN.NET - 中国领先的IT技术社区，为IT专业技术人员提供最全面的信息传播和服务平台</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">

测试代码：

            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 += "正则表达式：" + re.ToString().PadRight(10) + "执行时间：" + stopW.ElapsedMilliseconds.ToString() + " ms";

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

            }

测试结果：

测试分两组进行，程序执行前内存占用为921M

一组是未使用量词，每次仅替换一个字符，执行时间如下，占用内存938M

/*--------输出--------

正则表达式：[\s\S]    执行时间：2651 ms

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

正则表达式：[\w\W]    执行时间：2515 ms

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

正则表达式：[\d\D]    执行时间：2187 ms

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

正则表达式：(.|\n)    执行时间：2470 ms

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

正则表达式：(?s).     执行时间：1969 ms

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

*/

另一组使用了量词，一次替换所有字符，执行时间如下，占用内存1218M

/*--------输出--------

正则表达式：[\s\S]+   执行时间：249 ms

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

正则表达式：[\w\W]+   执行时间：348 ms

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

正则表达式：[\d\D]+   执行时间：198 ms

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

正则表达式：(.|\n)+   执行时间：879 ms

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

正则表达式：(?s).+    执行时间：113 ms

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

*/ 

测试结果分析：

匹配效率最高的是采用了Singleline这种匹配模式的“.”

其次是“[\d\D]”，而“(.|\n)”的匹配效率最低

“[\s\S]”的匹配效率居中，只是习惯上用得多些

 

注：由于各语言支持的引擎不同，即使使用同一种引擎，对正则做的优化也有所不同，所以以上性能测试结论可能仅适用于.NET