5. 刪除程序中的各種注釋
- 首先考慮到在字符串中可能存在注釋的文本腾窝，但是這些注釋我們是不需要刪除的卷员，
- 所以可以加一個分支再匹配字符串
- 這時當匹配字符串開始時候盈匾，就會一直匹配到字符串結(jié)束
- 然后下次匹配的時候，是在字符串尾部繼續(xù)應(yīng)用正則表達式毕骡，所以不會匹配到內(nèi)部
- 同理注釋中字符串也不算程序中的字符串威酒，因為在更前的位置，已經(jīng)被當成注釋給匹配了
- 如果既不是字符串也不是注釋挺峡，傳動裝置才會驅(qū)動到下一個位置繼續(xù)嘗試
匹配注釋的表達式
- 多行注釋:
/\*[\s\S]*?\*/ - 單行注釋:
//.*+
匹配字符串的表達式
- 單引號或雙引號 字符串:
(["'])(?:(?!\1)[^\n\\])*+(?:\\.(?:(?!\1)[^\n\\])*+)*+\1
所以整個表達式可以寫成
(["'])(?:(?!\1)[^\n\\])*+(?:\\.(?:(?!\1)[^\n\\])*+)*+\1|/\*[\s\S]*?\*/|//.*+
表達式的順序是不重要的，但是文本中那種內(nèi)容更多可能改變表達式的順序卻可以提高效率
如果要刪除注釋担钮，則替換的時候替換成字符串匹配到的內(nèi)容即可橱赠，如果注釋匹配為空，則無影響箫津，如果字符串為空狭姨，則注釋將被刪除
regex: ((["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2)|/\*[\s\S]*?\*/|//.*+
replacement: $1
不使用忽略優(yōu)先量詞和環(huán)視來匹配注釋的更高效版本
-
regex:
((["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2)|/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+ -
replacement:
$1
因為在java中測試宰啦，匹配多行注釋使用這種辦法效率更高，而匹配單引號和雙引號不使用多選分支效率更高
進一步優(yōu)化
- 在匹配非字符串和注釋的時候饼拍，這些內(nèi)容不能被匹配赡模，表達式只能依次嘗試完所有的分支報告當前位置失配，然后由傳動裝置驅(qū)動到下一個位置师抄，因為java采用的是傳統(tǒng)型
nfa引擎漓柑，表達式主導(dǎo)，所以可以自己控制表達式的匹配叨吮， - 在第一個分支加入匹配其他字符的表達式:
[^'/"]+, 之所以不使用星號量詞是因為*總是能夠匹配成功辆布，而當匹配到注釋開始時，其不能匹配任何文本茶鉴，也能報告成功锋玲，下一次迭代的時候，傳動裝置就會從下一個位置繼續(xù)開始匹配涵叮，這將會把注釋當成其他內(nèi)容匹配而保留下來惭蹂。
([^/'"]++|(["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2)|/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+
- 然而當匹配完字符串后，接下來很可能又是其他字符割粮，所以可以在其后添加匹配其他字符的表達式:
[^'/"]+盾碗，因為也可能后面存在的是注釋，如
String test = "test"/*middle comments*/;
所以我們應(yīng)該使用星號量詞: [^'/"]*
得到最后的表達式
([^/'"]++|(["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2[^/'"]*+)|/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+
可能還會考慮到優(yōu)化
- 可以把其他字符當作普通字符穆刻，注釋和字符串當作特殊字符
-
normal:
[^/'"] -
special:
(?:((["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2)|(?:/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+))
- 注釋非捕獲置尔，其他和字符串捕獲，得到:
-
regex:
([^/'"]*+)(?:(?:((["'])(?:(?!\3)[^\n\\])*+(?:\\.(?:(?!\3)[^\n\\])*+)*+\3)|(?:/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+))([^/'"]*+))*+ -
replacement:
$1$2$4
但實際上這是不正確的氢伟，$2和$4捕獲的文本存在于量詞限定之中榜轿，其捕獲的文本時刻在發(fā)生改變，每次都為最后一次應(yīng)用匹配到的文本朵锣。
4. 匹配程序中的字符串
- 程序中的字符串分兩種谬盐，單引號字符串和雙引號字符串
- 匹配雙引號字符串:
"(?:[^\\"\n]|\\.)*+" - 匹配單引號字符串:
'(?:[^\\'\n]|\\.)*+'
- 消除循環(huán)
"[^\\"\n]*+(?:\\.[^\\"\n]*+)*+"'[^\\'\n]*+(?:\\.[^\\'\n]*+)*+'
- 可以用一個正則表達式來匹配單引號字符串和雙引號字符串
(["'])(?:(?!\1)[^\n\\]|\\.)*+\1
經(jīng)測試合并后的表達式相比于多選分支具有更高的效率 - 消除循環(huán)
(["'])(?:(?!\1)[^\n\\])*+(?:\\.(?:(?!\1)[^\n\\])*+)*+\1
3. 單純匹配程序多行注釋
special部分匹配的內(nèi)容是normal不能匹配的疑似結(jié)束tag的內(nèi)容，但是special又不會匹配掉結(jié)束tag诚些，所以這里可以把諾干個****...[^/*]當作special飞傀，****.../當作結(jié)束tag，之所以不能把*[^/]當作special诬烹，*/當作結(jié)束tag砸烦，是因為如果結(jié)束是**/，這樣的字符绞吁，會造成special匹配**幢痘，/被normal部分匹配掉.
不使用忽略優(yōu)先量詞與環(huán)視
- opening:
/\* - normal:
[^*] - special:
\*+[^*/] - closing:
\*+/
regex1:/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/ - opening:
/\* - normal*:
[^*]*\*+ - special:
[^*/] - closing:
/
regex2:/\*[^*]*+\*++(?:[^/*][^*]*+\*++)*+/
regex3: /\*(?:(?!\*/)[\s\S])*+\*/
regex4: /\*[\s\S]*?\*/
- 在java中的效率比較
1, 2 > 4 > 3
2. 匹配CVS文件的內(nèi)容
- 匹配
hsdh,"gsg ""gsasg""ga",,gs,"",asghs - 得到
hsdh，"gsg ""gsasg""ga"家破，颜说，gs购岗，""，asghs
regex1: (?:(?<=,)|^)(?:[^\n,]*+|"(?:[^\n"]|"")*+")
regex2: (?:(?<=,)|^)(?:[^\n,]*+|"[^\n"]*+(?:""[^\n"]*+)*+")
1. 為數(shù)值添加逗號
問題：
- 將類似
298444215替換成298,444,215
解決辦法：
- 前面要存在數(shù)字——使用
(?<=\d) - 后面要存在數(shù)字且是3的整倍數(shù)——
(?=(?:\d\d\d)+$)
regex: (?<=\d)(?=(?:\d{3})++$)
replacement: ,
