正则基础之——小数点

 

正则基础之——小数点

小数点可以匹配除了换行符“/n”以外的任意一个字符，如要匹配小数点本身，用“/”进行转义“/.”。

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

 

1.         <script type="text/javascript">   

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

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

4.         </script>   

5.         //IE下输出   

6.         true  

7.         false  

8.         //Firefox、Opera、Chrome下输出   

9.         false  

10.    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：(?is)<td>.*</td>

匹配多个td标签时，可以用环视结合贪婪模式

正则表达式三：(?is)<td[^>]*>(?:(?!</?td/b).)*</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）：

测试字符串

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

测试结果（不带量词）

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

 

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。