【转】正则基础之——小数点

源地址


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FirefoxOperaChrome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

*/

/*-----------FirefoxOperaChrome下输出-----------

false

false

*/

关于此细节的一些猜测

大概测了一下,TridentPrestoGecko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”“\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

 

posted @ 2011-12-31 12:08 pmars 阅读(...) 评论(...) 编辑 收藏