javascript 正则表达式细节问题

以前发过一些文章：

正则表达式的Javascript应用
Extjs 正则表达式的优雅应用 -1

近来再看mastering regular expressions 想到的一些有趣的正则表达式细节问题，首先看

1.一段程序 ：

 

var regs=[/x*/g,/x*$/g,/^x*/g,/^x*$/g,/x*?/g,/^x*?/g,/x*?$/g,/^x*?$/g];
for(var i=0,reg=null;reg=regs[i++];){
 console.log("*************reg :" +reg.source);
 console.log("xx".replace(reg,"y"));
 console.log("xx".match(reg));
var m;
var j=0;

while((m=reg.exec("xx"))&&++j<5){
console.log(m[0]+" - "+reg.lastIndex)
//reg.lastIndex+=1
}
}

 

可以先想一下结果 ，下面为运行输出：

 

*************reg :x*
yy
["xx", ""]
xx - 2
- 2
- 2
- 2
*************reg :x*$
yy
["xx", ""]
xx - 2
- 2
- 2
- 2
*************reg :^x*
y
["xx"]
xx - 2
*************reg :^x*$
y
["xx"]
xx - 2
*************reg :x*?
yxyxy
["", "", ""]
- 0
- 0
- 0
- 0
*************reg :^x*?
yxx
[""]
- 0
- 0
- 0
- 0
*************reg :x*?$
yy
["xx", ""]
xx - 2
- 2
- 2
- 2
*************reg :^x*?$
y
["xx"]
xx - 2

 

 

其中涉及到了：

 

-1. Backtracking(回朔的概念)： 对每个量词（quantifier）以及或(||)，正则引擎必须做出一个决定，对于量词（*,+,?,{2,}），正则引擎必须决定是否要多匹配一些字符，而对于或（字符类[a-z]或简写\s,.除外）必须决定选择哪个分支。

每次引擎作出了一个选择，它都会记住其他可能的选项，如果这次匹配失败则会退回到上次做选择的量词或位置，并选择其他的选项继续进行匹配。

 

举例：（From High performance javascript）

 

 

0. * 量词可以匹配空,zero match

1.匹配分为位置（开头，字符间，结尾）与字符 两类，match 的所有匹配结果会多一些

2.replace g 时，当遇到空匹配 时在当前位置（开头，字符间，结尾）匹配成功，正则引擎会强行bump-along到下一匹配处 （防止空匹配死循环匹配）

这解释了 /x*?/g 的交替情况

3.为了达到正则表达式整体匹配，后面的表达式会驱动前面的表达式回朔 ，对于前面为x*

x* 会迫使量词匹配次减 1 ，直到为空匹配则这时一定成功

这解释了 /x*/ ,/x*$/ 一次匹配 xx ,二次到结尾位置空匹配，但是注意  /x*/ 并不包括开头位置^匹配，x*为贪婪匹配，开头位置不能满足，但是bump后，第一个x可以满足，所以无须匹配开头，直接匹配到 xx全部，但是第二次只剩下空字符串，为了匹配成功，才选择了空匹配，可见：

 

"xx".replace(/y*/g,"y")

 

对于前面为 x*?

x*? 会迫使量词增1，直到当前字符不能匹配x位置

这解释了 /x*?$/为了取得 在第一个 x处，为了达到匹配，扩展到 匹配 xx的情况，在第二次空字符串时，就默认0匹配成功了。

 

5.Regexp.lastIndex 为 the position of the first character after the match，但是使用 exec 时遇到结尾空匹配 并不会像 replace一样会强行驱动 ，对*量词连续使用 exec 会造成死循环 ，同java不同，java 连续find遇到结尾空匹配会自动bump的：

 

import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
    public static void main(String[] args) throws Exception {
        Pattern p = Pattern.compile("x*");
        Matcher m = p.matcher("xx");
        while (m.find()) {
            System.out.println("match : "+m.group());
        }

        System.out.println("xx".replaceAll("x*","y"));
    }
}

 

2. 多行模式问题： 

 

"1\n\n2\n3".replace(/^.*$/mg,"m"); // m\nm\nm\nm\n

 

^ : 匹配于当前整串头位置，或者 \n 后一个位置，相当于(?<=\n),js不支持

$ : 匹配于整串结尾位置，或者 \n 前一个位置，相当于(?=\n)

. : javascript中不会匹配 \n ，不可设置多行模式，则要匹配到 换行则要手动匹配

若要匹配任何字符则要使用：[\d\D]，[\s\S]，[\w\W]，[\0-\uffff] 以及(?:.|\r|\n|\u2028|\u2029) 尽量用 character class少用 alteration

行缩减应用：

 

"1\n\n2\n3".replace(/^.*$\n?/mg,"m"); //mmmm

 

 

2010-09-20 update :

备忘，强大的 jquery 正则式整理报告