在JavaScript正则表达式（2）中,我们一起学习了正则表达式的入门进阶功能，比如反向引用，分组匹配，环视，一丢丢引擎的概念，NFA，DFA，以及2个基本原则。下面我们将更加深入了解正则表达式
NFA，“表达式主导”引擎###
2种引擎的根本差异来自于他们各自有着不同的应用算法。NFA被称为“表达式主导”引擎，而DFA被成为“文本主导引擎”。什么叫表达式主导呢？请看如下代码：
var reg = /a(cat|dog|deer|lion)/;
var text = '1234adog';
当reg去匹配text的时候，正则表达式从a开始，每次只检查一部分（由引擎查看表达式的一部分），同时检查text是否匹配表达式的当前部分。如果是，则继续表达式的下一部分，如此继续下去，一直到匹配完所有的正则表达式，那么整个表达式就算是匹配成功。
上述正则的匹配过程是，正则从a开始，去匹配text里的1，失败，然后text往后移，匹配2······一直到匹配到a，满足条件，然后是cat|dog|deer|lion，它也是会一个一个尝试，先是cat中的c，发现不匹配，跳到下一种可能，dog中的d,匹配，o匹配，g匹配。匹配完成，退出匹配并返回结果。像这种，正则表达式的控制权在不同元素之间来回转换，我们称之为“表达式主导”。因为控制权在正则表达式本身，而不是文本，所以，可以通过不同的写法，让匹配的过程变得更简洁，更快捷。正因为如此，NFA的这种特性给我们提供了丰富的创造性思维空间。一个好的正则表达式能带来许多收益，而一个不好的，可能会带来严重的后果。
回溯###
回溯是NFC一个相当重要的概念，它的作用是当引擎在处理各个子表达式或者元素时，遇到需要在2个或者多个之间选择一个的时候，会选择一个，并记录下另外一个。你可以理解为游戏存档，在有多个选择的时候，存一下档，进入其中一个，如果失败之后，选择最近的一次回档，并选择另外一个。
需要作出选择的情形包括量词（决定是否尝试另一个匹配）和多选结构（决定选择哪一个多选分支）
下面我们将讨论有多种选择时，哪种选择优先，匹配失败时，应该回溯到什么状态。
如果需要在进行尝试和跳过尝试之间选择，对于匹配优先量词，引擎会选择尝试匹配，而忽略优先量词会选择跳过匹配。
回溯到哪里？
距离当前最近存储的选项就是当本地失败强制回溯时返回的。使用的原则是后进先出（LIFO）。
总结正则中一些朴实而实用的技巧#####
前略，相信大家已经了解并掌握的正则的基本知识，下面让我们带着这些知识，在实战中来处理更加复杂的问题。正则中的平衡法则：
- 只匹配我们期望的，不匹配我们不期望的文本。
- 易于控制和理解。
- 要保证效率，如果能匹配，必须很快返回结果，如果不能匹配，应该尽快报告匹配失败。
先看下面一个例子：
var text = 'myName=moonburn . \moonburn';//需要匹配这个字符串
var reg = /^\w+=.*\\\w*/gi;
reg.test(text)//false
不要吃惊，是的，匹配失败了，但是讲道理不应该失败的，对吗？让我们仔细分析一波，这个正则的问题在于\，很突兀，对不对。不信？我们来证明一下：
var text = 'myName=moonburn . moonburn';//去掉了\
var reg = /^\w+=.*\w*/gi;
reg.test(text)//true
匹配成功，果然是\的问题。
下面来说一下\的坑....
在JavaScript中，\和其他的语言是不太一样的，举个例子：
var text = '\abc';
console.log(text)//abc
\不见了！再看下一个例子：
'\a' === 'a'//true
解析的时候，就把\自动忽略了？不太完整。再看下面一个例子：
'\n' === 'n'//false
说明并不是忽略，是能转义的时候转义，不能转义的时候忽略！。
所以，回到之前的例子：
var text = 'myName=moonburn . \moonburn';//需要匹配这个字符串
var reg = /^\w+=.*(\\)\w*/gi;
RegExp.$1//''
括号捕获失败，因为根本就没有\，被忽略掉了。所以，应该这样：
var text = 'myName=moonburn . \\moonburn';//需要匹配这个字符串
var reg = /^\w+=.*\\\w*/gi;
reg.test(text)//true
当然，我们发现，在使用.*去匹配的时候，因为是匹配优先，会匹配全部，然后在通过回溯，退回到\，在进行下一部分的匹配。这样明显不太符合我们说的第三点，没有保证效率。所以我们可以用[^\\\]*去代替.*,这样，一旦匹配到了\，就会停下来，进行下一部匹配，没有回溯，效率自然高了。代码如下：
var text = 'myName=moonburn . \\moonburn';//需要匹配这个字符串
var reg = /^\w+=[^\\]*\\\w*/gi;
reg.test(text)//true
最后，得出第一条结论：尽量不要用.*去匹配，而是用[^···]去替换，如果选择项比较少，也可以使用(··|··)的形式，选择项太多使用(··|··)就得不偿失了。
下面再看一个例子，如何匹配一个IP地址：
一般情况下，IP地址都是由小于3位的数字加上.号组合而成，就像这样000.001.002.003。首先我们想到的，应该是这样的形式进行匹配^[0-9][0-9][0-9]\.[0-9][0-9][0-9]\.[0-9][0-9][0-9]\.[0-9][0-9][0-9]$:
var ip = '000.001.002.003';
var reg =/^[0-9][0-9][0-9]\.[0-9][0-9][0-9]\.[0-9][0-9][0-9]\.[0-9][0-9][0-9]$/;
reg.test(ip)//true
觉得写法太臃肿？可以把[0-9]替换成\d,虽然对于引擎来说本质上没有区别。而且，像这样的写法一定要求3位，显得太死板了，一些ip不一定满足3位，我们也应该匹配通过，所以我们通过如下去匹配：
var ip = '1.21.34.211';
var reg =/^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}$/;
reg.test(ip)//true
嗯，差不多已经很接近了，不过稍微了解一点IP常识的话，就会知道，最大3位数不会超过255，而我们这样的匹配法，可以一直匹配到999，不符合第一条规定，所以我们要缩小范围。应该如何缩小范围呢？首先想到了使用(··|··)的形式，当然，不会是(0|1|2···|225)这样子，这样太慢了。下面我们在仔细分析一下这样的结构，首先可以使单个的数字所以(\d|···)，然后可以是2位数，也是没有限制的，所以变成(\d|\d\d|···)，只有3位数的时候，会有限制，255，所以当第一位数是0,1的时候，也是没有任何限制的，也就是(\d|\d\d|[01]\d\d|···)，最后，我们只剩下，3位数，并且第一位数是2的情况，继续分析第二位数，只要比5小，都是没有限制的，所以可以分成(\d|\d\d|[01]\d\d|2[0-4]\d|···)分析到了这里，最后的情况也明朗了，最终的版本，也就是(\d|\d\d|[01]\d\d|2[0-4]\d|25[0-5])。具体代码如下：
var ip = '1.21.34.211';
var reg =/^((\d|\d\d|[01]\d\d|2[0-4]\d|25[0-5])\.){3}(\d|\d\d|[01]\d\d|2[0-4]\d|25[0-5])$/;
reg.test(ip);//true
还能再简单点吗？###
能...
如果使用?，上述的正则表达式还能更加简略一点，变为([01]?\d?\d|2[0-4]\d|25[0-5])。代码如下：
var ip = '1.21.34.241';
var reg =/^(([01]?\d?\d|2[0-4]\d|25[0-5])\.){3}([01]?\d?\d|2[0-4]\d|25[0-5])$/;
reg.test(ip);//true
这个例子本身不难，需要掌握的是分析的过程，一层一层分析，最后在修改，优化。
当然，有人会问，为什么不使用环视呢？只需要环视.之后是否满足条件就ok啊，我也想过，首先JavaScript没有反向环视，只能lookahead，所以第一个.之前的数字要自己判断，环视的写法也是类似与(?=([01]?\d?\d|2[0-4]\d|25[0-5]))并没有优化，而且环视的价值在于判断字符不用占位符，这里明显是不需要这样做的。所以不考虑了。
JavaScript 正则表达式（1）
JavaScript 正则表达式（2）
JavaScript 正则表达式（3）
JavaScript 正则表达式（4）
网友评论