小數點可以匹配除了換行符“\n”以外的任意一個字符
一些細節
對於使用傳統NFA引擎的大多數語言,如Java,.NET來說,“.”的匹配范圍是這樣的。
但是對於JavaScript來說有些特殊,由於各浏覽器的解析引擎不同,“.”的匹配范圍也有所不同,對於Trident內核的浏覽器,如IE來說,“.”同樣是匹配除了換行符“\n”以外的任意一個字符,但是對於其它內核的浏覽器,如Firefox、Opera、Chrome來說,“.”是匹配除了回車符“\r”和換行符“\n”以外的任意一個字符。
測試
<script type="text/javascript">
document.write(/./.test("\r") + "<br />");
document.write(/./.test("\n") + "<br />");
</script>
/*-----------IE下輸出-----------
true
false
*/
/*-----------Firefox、Opera、Chrome下輸出-----------
false
false
*/
關於此細節的一些猜測
大概測了一下,Trident、Presto和Gecko應該都是采用的傳統NFA引擎,而webkit至少是支持傳統NFA引擎的,但是又與傳統NFA引擎表現的不太一樣,估計不是做了高級優化的傳統NFA引擎,就是DFA/NFA混合引擎。
由於Windows下支持“\r”和“\n”,而UNIX下只支持“\n”,所以我猜想可能是由於其它浏覽器引擎並不來自於Windows,所以沒有提供對“\r”的支持,從而導致在正則中“.”也不匹配“\r”吧。沒做深入研究,只是一些猜測罷了。
如要匹配小數點本身,用“\”進行轉義“\.”
注意
在匹配多行時,不要試圖用“[.\n]”來匹配任意字符,這種寫法表示的只是小數點和換行符兩個字符中的一個,可以使用“(.|\n)”,但一般不這樣用,這樣寫可讀性差,效率也低,一般用“[\s\S]”,或者是用“.”加(?s)匹配模式來達到這一效果。
舉例
需求描述:匹配<td>標簽中的內容
源字符串:<td>This is a test line.
Another line. </td>
匹配結果:<td>This is a test line.
Another line. </td>
正則表達式一:<td>[\s\S]*</td>
正則表達式二:(?s)<td>.*</td>
匹配效率測試:
以下為測試用字符串,即下面richTextBox1.Text裡輸入的內容(取自何問起首頁):
<link href="images/favicon.ico" rel="SHORTCUT ICON" />
<title>HoverTree.com- 中國領先的IT技術社區,為IT專業技術人員提供最全面的信息傳播和服務平台</title>
<script language='JavaScript' type='text/javascript' src='http://hovertree.com/'></script>
<script type="text/javascript" src="http://hovertree.com/"></script>
<script type="text/javascript">
測試代碼:
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 += "正則表達式:" + re.ToString().PadRight(10) + "執行時間:" + stopW.ElapsedMilliseconds.ToString() + " ms";
richTextBox2.Text += "\n---------------------------------------\n";
}
測試結果:
測試分兩組進行,程序執行前內存占用為921M
一組是未使用量詞,每次僅替換一個字符,執行時間如下,占用內存938M
/*--------輸出--------
正則表達式:[\s\S] 執行時間:2651 ms
---------------------------------------
正則表達式:[\w\W] 執行時間:2515 ms
---------------------------------------
正則表達式:[\d\D] 執行時間:2187 ms
---------------------------------------
正則表達式:(.|\n) 執行時間:2470 ms
---------------------------------------
正則表達式:(?s). 執行時間:1969 ms
---------------------------------------
*/
另一組使用了量詞,一次替換所有字符,執行時間如下,占用內存1218M
/*--------輸出--------
正則表達式:[\s\S]+ 執行時間:249 ms
---------------------------------------
正則表達式:[\w\W]+ 執行時間:348 ms
---------------------------------------
正則表達式:[\d\D]+ 執行時間:198 ms
---------------------------------------
正則表達式:(.|\n)+ 執行時間:879 ms
---------------------------------------
正則表達式:(?s).+ 執行時間:113 ms
---------------------------------------
*/
測試結果分析:
匹配效率最高的是采用了Singleline這種匹配模式的“.”
其次是“[\d\D]”,而“(.|\n)”的匹配效率最低
“[\s\S]”的匹配效率居中,只是習慣上用得多些
注:由於各語言支持的引擎不同,即使使用同一種引擎,對正則做的優化也有所不同,所以以上性能測試結論可能僅適用於.NET