正则基础教程一些冷门的知识

扶醉桌前 提交于 2020-02-29 19:30:41

正则基础教程一些冷门的知识
正则引擎
正则分几种引擎也从是本书获得的知识点之一。
DFA
传统型NFA
POSIX NFA
NFA范围更广,例如 JAVA, PHP, Ruby, .NET... 你是看不起我javascript所以才不列入的吗?
使用DFA的是flex, MySQL, lex, awk大部分版本… 实话说,除了mysql,都没听过。不过不用在意!

两个引擎的区:
NFA 更注重表达式
DFA 文本主导
  通过书中里例子说,NFA 用表达式来匹配文本,而 DFA 是文本来匹配文表达式。当写好一个正则之后,NFA 是先检查表达式,同时检查文本是否匹配这个表达式。而 DFA 则是先扫描文本,然后处理表达式中的所有匹配可能,如果匹配失败,就将这条可能的线,淘汰。所以这里衍生一个概念就是回溯,NFA 有回溯,而 DFA 没有。

知识点
  作为一个菜鸟,正则表达式一直是书到用时方恨少的角色。平时都是能抄则抄,不能抄的时候干着急,只能用 substr, indexOf, chatAt等等的方法实现功能,既不优雅也不够装逼。上网学习也都是菜鸟教程,W3school。然后下面说一下以上两个基础教程里没说到的知识点。

  括号捕获与反向引用
  当你在正则表达式里使用了 (),在表达式匹配时,它能记住或者说缓存括号内匹配的结果,从而可以拿到括号内的结果,可以重复使用或者只需要括号内的结果,来剔除不需要的匹配内容。

// 我们经常会用 match 方法来匹配字符串,结果是一个数组,而不是最后的匹配结果,为什么呢?看下面的例子
"abc".match(/(a)(b)(c)/) // ["abc", "a", "b", "c"]
"abc".match(/abc/) // ["abc"]
  可以看到,括号会缓存括号里匹配的内容,单独列出来,那么怎么拿到括号内的内容呢,而不是通过 match 返回的结果拿,因为有时候我们需要在表达式里使用捕获的值,从而达到匹配重复的内容。这部分就叫反向引用。

"abc-abc-cba".replace(/(a)(b)c-\1\2/, '') // c-cba
"abc-abc-cba".replace(/(a)(b)c/g, '$1$2') // ab-ab-cba
RegExp.$1 // a
RegExp.$2 // b
  这里展示了两种使用反向引用的方法,一种是在表达式内通过 \1\2 的形式拿到两个缓存的值,一种是使用 $1$2的形式拿到。因为正则是从左开始匹配的,所以 (a) 就是第一个捕获的匹配值,所以他是\1 或是 $1,以此类推。

  非捕获型括号
  上面说了括号会捕获值,一般来说这样会影响性能,或者你会用到括号来做分组,但是不想捕获的情况,(?:)非捕获型括号就是这么用的,那么重写一下上面的例子。

"abc-abc-cba".replace(/(a)(?:b)c-\1\2/, '') // 匹配失败了,因为\2不存在
"abc-abc-cba".replace(/(a)(?:b)c-\1/, '') // bc-cba
RegExp.$1 // a
RegExp.$2 // ""
  环视

类型 正则表达式
肯定逆序环视 ?<=
否定逆序环视 ?<!
肯定顺序环视 ?=
否定顺序环视 ?!
  ?= 和 ?! 在菜鸟和w3school 里有简单的提及,菜鸟里还提到这两个还能重写捕获,但是 ?<= 和 ?<! 并没有提及。

  写几个 demo 表示一下:

// 找一个字母 a ,它紧跟在 b 前面
"abac".replace(/a(?=b)/g, '') // bac

// 找到一个字母 a ,它紧跟在一个不是 b 的字母前面
"abac".replace(/a(?!b)/g, '') // abc

// 接着是逆序环视
// 找到一个字母 a ,它跟在 b 后面
"abac".replace(/(?<=b)a/g, '') // abc

// 找到一个字母 a ,他不跟在 b 后面
"abac".replace(/(?<!b)a/g, '') // bac

// 一个有趣匹配
// 在 a 和 b 之间插入一个 ","
"abac".replace(/(?<=a)(?=b)/g, ",") // a,bac
  可以看出,环视是要和捕获括号一起用的,并且不会占用匹配字符,他只是检查表达式是否匹配。所以这就是重写捕获了。

忽略优先量词
  量词匹配一般有三种 、 +、?。然而还可以写作, ? 或 +? ,使匹配结果导向完全不同的结果。例子:

"abc-aaa-abc-abc".replace(/abc-.*-abc/, '') // ""

"abc-aaa-abc-abc".replace(/abc-.?-abc/, '') // "-abc"
  
? 忽略优先会先忽略当前匹配的值,先匹配后面的 -abc,如果匹配失败,再匹配自己,而 会优先匹配自己,等匹配结束之后,再从后面一点点吐出,回来匹配量词后面的表达式。从而造成以上不同的结果。知道这个之后,就不会再傻傻的把 和 ? 分开解读了。当然,具体情况具体分析,到底使用哪个。

回溯
回溯应该算是正则里的性能杀手了吧。如果表达式写的不好,造成过度的灾难性回溯,会导致执行时间指数级增长。

喜欢这样文章的可以关注我,我会持续更新,你们的关注是我更新的动力!需要更多java学习资料的也可以私信我!
祝关注我的人都:身体健康,财源广进,福如东海,寿比南山,早生贵子,从不掉发!

标签
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!