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

 

<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
false

<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 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

<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%22%3E%3C/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" ;
}

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。