正则表达式案例分析 （二）

前言

最近在重新学习正则表达式，把在学习过程中所遇到的案例，还有比较难理解概念用自己的理解分析并整理总结。

如有哪些地方不对，欢迎指正，谢谢！(๑•ᴗ•๑)

本系列使用的JavaScript所支持的正则表达式语法，并推荐你使用 regexr.com/ 去做相应的练习。

假定你已经熟悉元字符，方括号，修饰符,量词及RegExp对象。

如果没有，请先看一遍文档
www.w3school.com.cn/jsref/jsref…

本系列同步GitHub github.com/Janking/Blo…

系列目录

正则表达式案例分析 （一）

案例分析

(1) 重复分组

在上一篇介绍千分位的时候，就有用到重复分组，这是一个很容易理解错误的点，至少我开始的时候是理解错误的。

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

假定用这个正则去匹配 1234567890，开始我以为分组小括号(\d\d\d)的最终结果是 123，456，789都能拿到，但结果却只有789

重复分组的匹配在每次引擎退出该分组的时候被捕获，并会覆盖该分组在之前匹配的任何文本

模拟一下引擎工作的步骤：

1. 第一次匹配，捕获到 `123`，退出分组
2. 第二次匹配，捕获到 `456`, 覆盖上一次捕获的`123`，退出分组
3. 第三次匹配，捕获到 `789`，覆盖上一次捕获的`456`，退出分组
4. 退出重复分组，结束复制代码

因为重复分组最后一次循环存储的是789，另外两次分组匹配，也就是123，456是无法被获取的。

如果想要获得所有结果，就要把重复匹配放进分组中 /((\d\d\d){3})/

(2) 获取<p>...</p>中的内容

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

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

运行结果

[
    "<p>Hello,<em>world</em></p>",
     "Hello,<em>world</em>", 
     index: 0, 
     input: "<p>Hello,<em>world</em></p><p>Hello,Janking</p>"
]复制代码

假如没有?，而匹配结果就会差很远，不信你看！

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

运行结果

[
    "<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>"
]复制代码

缺少了问号?，结果把中间的</p><p>也匹配进来了，为什么一个字符不同，匹配结果就差异那么大？这里涉及到正则表达式中比较重要的概念：贪婪匹配，懒惰匹配，回溯

贪婪匹配

属于贪婪模式的量词，也叫做匹配优先量词，包括：{m,n}，{m,}，?，* 和 + 。

惰性匹配

在匹配优先量词后加上?，即变成属于惰性匹配的量词，也叫做忽略优先量词，包括：{m,n}?，{m,}?，??，*? 和 +? 。

回溯

当前前面分支/重复匹配成功后，没有多余的文本可被正则后半部分匹配时，会产生回溯

用一个简单的例子来解释一下贪婪匹配和惰性匹配！

贪婪 ： /\d+\b/

惰性 ： /d+?\b/

文本 ： 1234a

贪婪正则匹配 1234a 时的过程是这样的：

    1. \d+ 匹配得到 1234
    2. \b  却匹配失败，因为它的左边必须是数字，而不是字母 (\b 是分词边界匹配，用来获取位置，而不是文本，上一节有讲到)
    4. 这个时候，\d+会尝试回吐一个字符，即匹配结果为 123 ，可\b还是匹配失败！
    5. 那就继续回吐，一直到 1，还是匹配失败，那么这个正则就整体匹配失败了
    6. 这个回吐匹配结果的过程就是回溯复制代码

惰性正则匹配 1234a 时的过程是这样的：

    1. \d+？ 首先匹配，结果是 1 ，紧接着 \b 匹配失败
    2. 那就 \d+? 继续匹配，结果是 12 ，紧接着 \b 还是匹配失败
    3. \d+? 一直匹配到1234，紧接着的 \b 依然匹配失败
    4. 结果整个正则匹配不成功复制代码

通过这两个例子的比较，相信你会猜到回溯会影响匹配速度，回溯的过程慢那是相对那些DFA引擎。

而JS的正则引擎是NFA（非确定型有限自动机），匹配慢，编译快。

结束语

本章节将的案例只有两个，主要是涉及到几个重要概念，占了一定的篇幅，由于本人不喜欢把文章写的太长，影响阅读体验，所以就此打住，从下一篇开始会重点的去分析常用正则表达式的匹配过程，敬请期待。

参考文献：

• 《精通正则表达式》
• 《正则表达式经典实例》

转载于:https://juejin.im/post/5973f16c51882573c14a812d