摘要:作者京東商城成都研究院研發(fā)部盧興元正則表達(dá)式從模糊到清晰什么是正則簡單點(diǎn),正則是一些用來匹配和處理文本的字符串或者叫工具,往往用于查找特定的信息搜索,或者查找并編輯特定的信息替換。
正則表達(dá)式-從模糊到清晰 1. 什么是正則文章來自微信公眾號:前端工坊(fe_workshop),不定期更新有趣、好玩的前端相關(guān)原創(chuàng)技術(shù)文章。 如果喜歡,請關(guān)注公眾號:前端工坊
版權(quán)歸公眾號所有,轉(zhuǎn)載請注明出處。
作者:京東商城-成都研究院-JSHOP研發(fā)部 盧興元
簡單點(diǎn),正則是一些用來匹配和處理文本的字符串(或者叫工具),往往用于查找特定的信息(搜索),或者查找并編輯特定的信息(替換)。它是一種內(nèi)置在其他語言里的一種“迷你”語言,比如內(nèi)置在Javscript、Java等語言中。
2. 要認(rèn)可的事實(shí)正則答案不唯一。幾乎所有的問題,往往都會(huì)有不止一種解決方案。有的比較簡單,有的比較快速,有點(diǎn)兼容性更好,有的功能更全。我們需要依據(jù)自己的需求,確認(rèn)一種最適合自己的方案。
3. 正則引擎概述正則引擎可以分為2類。一種稱之為NFA(非確定型有窮自動(dòng)機(jī)),另一種稱之為DFA(確定型又窮自動(dòng)機(jī))。嗯,概念不好理解,我們舉個(gè)栗子:
正則:to(Jack|Rose|Jerry)
匹配文本:xxx···toJerry
正則表達(dá)式從正則的第一個(gè) t 開始,每次由正則引擎查看表達(dá)式的一部分,同時(shí)檢查當(dāng)前文本是否匹配表達(dá)式的當(dāng)前部分。如果是,則繼續(xù)表達(dá)式的下一部分,如果繼續(xù),直到表達(dá)式的所有部分都能匹配到。此時(shí)發(fā)現(xiàn)當(dāng)檢查到當(dāng)前文本中的字符 t 時(shí),所以正則表達(dá)式的第一項(xiàng)匹配成功,接著會(huì)檢查緊跟其后的字符是否能由 o 來匹配,然后發(fā)現(xiàn)可以,則接著檢查后面的元素,此時(shí)后面的元素是 (Jack|Rose|Jerry) ,引擎會(huì)嘗試著3種可能進(jìn)行分別測試,直到匹配成功。
2)DFA(文本主導(dǎo))匹配過程引擎在掃碼當(dāng)前文本的時(shí)候,會(huì)記錄當(dāng)前有效的所有匹配可能。當(dāng)引擎移動(dòng)到文本的 t 時(shí),它會(huì)在當(dāng)前處理的匹配可能中添加一個(gè)潛在的可能:
接下來掃描的每個(gè)字符,都會(huì)更新當(dāng)前的可能匹配序列。例如掃碼到匹配文本的 J 時(shí),有效的可能匹配變成了2個(gè),Rose被淘汰出局。
掃描到匹配文本的 e 時(shí),Jack也被淘汰出局,此時(shí)就只剩一個(gè)可能的匹配了。當(dāng)完成后續(xù)的rry的匹配時(shí),整個(gè)匹配完成。
3)兩句話點(diǎn)評NFA與DFA1、DFA匹配速度快但特性少(比如不支持捕獲組、反向引用),NFA匹配稍慢但能力強(qiáng)大;
2、DFA就好比搭載電動(dòng)發(fā)動(dòng)機(jī)的汽車,加速度很快,但續(xù)航短,不能出遠(yuǎn)門,而NFA可以認(rèn)為是汽油發(fā)動(dòng)機(jī)的汽車,加速度沒那么快,但是適應(yīng)性廣,哪里都能去,但由于適應(yīng)性廣,所以調(diào)教很重要。
Java、Javascript、PHP、Python這些都是NFA引擎。
4. 過基礎(chǔ)(老手請?zhí)^) 5. 要點(diǎn)講解 1)貪婪與懶惰盡可能匹配更多的字符。舉個(gè)栗子: .*
正則:
結(jié)果:
從匹配過程我們也可以發(fā)現(xiàn)對于 .* 這個(gè)表達(dá)式會(huì)嘗試盡可能多的匹配字符,直到匹配到盡頭,才嘗試匹配正則結(jié)尾的
。與貪婪模式相反,盡可能匹配更少的字符。舉個(gè)栗子: .*?
正則:
結(jié)果:
從匹配過程我們也可以發(fā)現(xiàn),會(huì)優(yōu)先匹配正則結(jié)尾的
,在沒有滿足此結(jié)尾的情況下,才盡可能的去少匹配 .*? 這個(gè)表達(dá)式。 2)子表達(dá)式與反向引用考慮這種場景,有些短語雖然由多個(gè)單詞構(gòu)成,但其實(shí)是一個(gè)整體,需要把它當(dāng)做一個(gè)獨(dú)立元素來使用,這種時(shí)候就需要使用子表達(dá)式。子表達(dá)式必須用()圓括號括起來。用途就是,可以精確的設(shè)定需要重復(fù)匹配的文本及重復(fù)次數(shù)。
它允許我們在正則中引用之前子表達(dá)式匹配到的結(jié)果。這有什么用?還是舉個(gè)栗子:
需求:匹配Html代碼片段中的h1~h6標(biāo)簽
正則:
結(jié)果:
正則:
結(jié)果:
NFA引擎匹配能力強(qiáng)大,但是調(diào)教不好,有可能引發(fā)性能問題,它有另一個(gè)叫法,叫做回溯失控。那么問題來了,什么是回溯?
舉個(gè)栗子:
我們醒來的時(shí)候,突然發(fā)現(xiàn)被困在山洞里,這時(shí)候需要尋找出路,然而前方是一個(gè)岔路口。這個(gè)時(shí)候也并沒有任何依據(jù)可以告訴我們哪一條是出路,只有挨個(gè)嘗試,于是我們可以在岔路口做個(gè)標(biāo)記,以便萬一選擇的這條路走不通,可以原路返回,直到遇見做了標(biāo)記的岔路口,以便繼續(xù)嘗試另一條路是不是出路。我們可以把每次嘗試失敗然后往回走,找到之前做標(biāo)記的地方的這個(gè)過程,稱之為回溯。
很多情況下,依據(jù)你寫的正則表達(dá)式,正則引擎或多或少都需要進(jìn)行這種2個(gè)或者多個(gè)選項(xiàng)的選擇。
先不做專業(yè)術(shù)語解釋,先來看這么一個(gè)應(yīng)用場景
需求:匹配網(wǎng)頁里所有PC商品詳情頁地址所包含的sku信息
PC商品詳情頁地址格式://item.jd.com/xxxxxx.html
正則:/d+.html/g
正則:/item.jd.com/d+.html/g
正則:/(?<=item.jd.com/)d+(?=.html)/g
需要注意的:Javascript不支持反向斷言,Java也是有限制的支持反向斷言
總而言之,言而總之,當(dāng)我們匹配目標(biāo)關(guān)鍵字的時(shí)候,同時(shí)期望對目標(biāo)關(guān)鍵字的前后進(jìn)行限制,并且又不期望這些限制會(huì)出現(xiàn)在匹配結(jié)果中。這時(shí)候,就可以使用斷言。
需求:匹配jshop手機(jī)活動(dòng)頁url的域名部分
jshop手機(jī)活動(dòng)頁URL格式://xxxx.jd.xxx/m/act/xxxxxx.html
正則:///(.*)(?=/m)/g
正則:///(1*)/g
點(diǎn)評:如果不需要匹配/,那就應(yīng)該在正則表達(dá)式中作出這樣的規(guī)定
前面有提到過,NFA引擎功能強(qiáng)大,但是寫不好很容易引發(fā)效率問題。其中太多的多選分支很容易成為效率殺手,因?yàn)槿魏味噙x分支只要匹配失敗,都會(huì)導(dǎo)致回溯。所以提高正則匹配效率的方法之一就是減少多選分支。
舉個(gè)栗子:
需求:匹配用戶輸入的一個(gè)字符串是否是一個(gè)4位IP里的一位,直白的說就是匹配0~255
分析:可能有1位,也可能有2位,也可能有3位。3位的時(shí)候需要分開判斷,當(dāng)?shù)谝晃皇?或者1的時(shí)候,后面兩位可以是任意數(shù)字。當(dāng)?shù)谝晃皇?的時(shí)候,第二位只能是0-5。并且當(dāng)?shù)诙皇?-4的時(shí)候,第三位可以是任意數(shù)字,但第二位是5的時(shí)候,第三位只能是0-5。
翻譯過來正則:/d|dd|[01]dd|2[0-4]d|25[0-5]/
合并同類項(xiàng)后:/[01]?dd?|2[0-4]d|25[0-5]/
點(diǎn)評:可以通過合并同類項(xiàng)來減少多選分支。同時(shí)第一個(gè)多選分支使用的是 dd? 而不是 d?d ,這樣如果根本不存在數(shù)字,NFA引擎會(huì)更快地報(bào)告失敗
……
2)使用工具比如這個(gè)網(wǎng)站 https://jex.im/regulex
可以實(shí)現(xiàn)對復(fù)雜整個(gè)表達(dá)式的一個(gè)
比如這個(gè)貓頭鷹工具 RegexBuddy
可以用來測試正則表達(dá)式的匹配過程以及性能,包括各種語言下的正則特性支持情況。
1、減少或者合并多選分支
2、避免量詞的嵌套
3、占有優(yōu)先量詞。可以減少回溯,遺憾的是js不支持,但java支持。
舉個(gè)栗子:考慮到 /a+b/ 和 /a++b/ 兩個(gè)正則,測試的字符串 aaaa
/a+b/ 的匹配過程
/a++b/ 的匹配過程
4、使用正確的邊界匹配器(^、$、b、B等),限定搜索字符串位置
5、盡量不使用通配符".";字符使用具體的元字符、字符類(d、w、s等)(推薦)
6、使用正確的量詞(+、*、?、{n,m}),如果能夠限定長度,匹配最佳
7、使用非捕獲型括號。如果不需要引用括號內(nèi)的文本,請使用非捕獲型括號(?:……),好處就是節(jié)省捕獲時(shí)間,同時(shí)減少回溯使用的狀態(tài)數(shù)量。
文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址:http://specialneedsforspecialkids.com/yun/90167.html
摘要:作者京東商城成都研究院研發(fā)部盧興元正則表達(dá)式從模糊到清晰什么是正則簡單點(diǎn),正則是一些用來匹配和處理文本的字符串或者叫工具,往往用于查找特定的信息搜索,或者查找并編輯特定的信息替換。 文章來自微信公眾號:前端工坊(fe_workshop),不定期更新有趣、好玩的前端相關(guān)原創(chuàng)技術(shù)文章。 如果喜歡,請關(guān)注公眾號:前端工坊版權(quán)歸公眾號所有,轉(zhuǎn)載請注明出處。作者:京東商城-成都研究院-JSHO...
摘要:作者京東商城成都研究院研發(fā)部盧興元正則表達(dá)式從模糊到清晰什么是正則簡單點(diǎn),正則是一些用來匹配和處理文本的字符串或者叫工具,往往用于查找特定的信息搜索,或者查找并編輯特定的信息替換。 文章來自微信公眾號:前端工坊(fe_workshop),不定期更新有趣、好玩的前端相關(guān)原創(chuàng)技術(shù)文章。 如果喜歡,請關(guān)注公眾號:前端工坊版權(quán)歸公眾號所有,轉(zhuǎn)載請注明出處。作者:京東商城-成都研究院-JSHO...
摘要:三即生成器,它是生成器函數(shù)返回的一個(gè)對象,是中提供的一種異步編程解決方案而生成器函數(shù)有兩個(gè)特征,一是函數(shù)名前帶星號,二是內(nèi)部執(zhí)行語句前有關(guān)鍵字調(diào)用一個(gè)生成器函數(shù)并不會(huì)馬上執(zhí)行它里面的語句,而是返回一個(gè)這個(gè)生成器的迭代器對象。 文章來自微信公眾號:前端工坊(fe_workshop),不定期更新有趣、好玩的前端相關(guān)原創(chuàng)技術(shù)文章。 如果喜歡,請關(guān)注公眾號:前端工坊版權(quán)歸微信公眾號所有,轉(zhuǎn)載請...
閱讀 2810·2021-10-26 09:48
閱讀 1671·2021-09-22 15:22
閱讀 4028·2021-09-22 15:05
閱讀 608·2021-09-06 15:02
閱讀 2607·2019-08-30 15:52
閱讀 2107·2019-08-29 18:38
閱讀 2755·2019-08-28 18:05
閱讀 2332·2019-08-26 13:55