正则基础之小数点

　　一些细节

　　对于使用传统NFA引擎的大多数语言和工具，如Java、.NET来说，“.”的匹配范围是匹配除了换行符“\n”以外的任意一个字符。

　　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Firefox、Opera、Chrome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。

　　关于此细节的一些猜测

复制代码代码如下:

　　# <script type="text/javascript">

　　# document.write(/./.test("\r") + "<br />");

　　# document.write(/./.test("\n") + "<br />");

　　# </script>

　　# //IE下输出

　　# true

　　# false

　　# //Firefox、Opera、Chrome下输出

　　# false

　　大概测了一下，Trident、Presto和Gecko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”和“\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。

　　常见应用误区

　　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）：

复制代码代码如下:

　　<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>

　　测试代码：

复制代码代码如下:

　　# 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

复制代码代码如下:

　　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1128M

复制代码代码如下:

　　测试结果（带量词）

　　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。

教程首页更多教程

正则基础之 小数点

正则基础之小数点