再议 js 数字格式之正则表达式

前面我们提到到了js的数字格式《浅谈 js 数字格式类型》，之前的《js 正则练习之语法高亮》里也提到了优化数字匹配的正则。
不过最近落叶给了我一个正则，让我豁然开朗，比我写的犀利多了，所以今天拿出来简单说一下(只说十进制部分的匹配)。

先看下我之前写的正则：/d+(?:.d+)?(?:[eE][+-]?d+)?|.d+(?:[eE][+-]?d+)?/
落叶在 jQuery 中发现的正则: /(?:d*.|)d+(?:[eE][+-]?d+|)/ (ps: 我去掉了 [+-] 因为没必要匹配那个。。)
很明显犀利很多。

我的思路其实很简单，就是根据官方描述然后写了个臃肿不堪的正则。
在 MDN JavaScript Guide 的 Values, variables, and literals#Floating-point literals 一节中可以看到。
对于js数字格式的语法描述为 [(+|-)][digits][.digits][(E|e)[(+|-)]digits] (PS:这不是正则)
所以我就粗略的写了一个表达式 (?:d+)?(?:.d+)?(?:[eE][+-]?d+)?
当时看着比较舒服，但是在测试中，我发现了严重的问题，能空匹配，简单说就是任何空字符串都能匹配成功。

这是一个严重的BUG，所以我把它拆分为两部分，修复了这个BUG，于是得到了上面那个臃肿的代码，没办法水平有限。

其实是我想的太简单了，我只是按照传统的想法写的正则，先匹配整数，然后匹配小数，最后匹配指数。。。

再看 jQuery 中的正则 /(?:d*.|)d+(?:[eE][+-]?d+|)/ 写的太霸气了。
他的思路是先匹配浮点数，然后匹配小数点后面的整数，接着匹配指数，同样是3部分，只是匹配顺序不同而已。
当然如果匹配不到浮点数，就回溯放弃匹配，直接匹配整数和指数部分。
这样就不需要拆分成两个表达式了。

我们做个测试，先去掉 | 试试，测试数据如下：

123
1.23
1.2e3
1.2e+3
1.2e-3
.123
.12e3
.12e+3
.12e-3

正则: /(?:d*.)d+(?:[eE][+-]?d+|)/

发现 123 没匹配到，后面的浮点型数据都可以正常匹配。
为什么会这样呢，因为 (?:d*.) 是必须匹配到 . 的，所以整数就无法匹配成功了。
(?:d*.|) 则可以在匹配失败的情况下回溯然后发现第二个表达式是个空，就是不匹配了。
自然就让出位置给后面的 d+ 进行匹配了，所以整数可以匹配成功。

这个正则霸气在于利用最少的代码实现最优的性能，当然整数情况回溯是必须的，不过性能上也不会有多大的问题。

我们来看个测试吧:

var str1 = "123, 1.23, 1.2e3, 1.2e+3, 1.2e-3, .123, .12e3, .12e+3, .12e-3";
var str2 = "123 123 123 123 123 123 123 123 123 123 123 123 123 123 123 123";

var re1 = /d+(?:.d+)?(?:[eE][+-]?d+)?|.d+(?:[eE][+-]?d+)?/g;
var re11= new RegExp(re1.source, "g");

var re2 = /(?:d*.|)d+(?:[eE][+-]?d+|)/g;
var re22= new RegExp(re2.source, "g");

console.log(
    str1.match(re1).toString() === str1.match(re22).toString(),
    str2.match(re1).toString() === str2.match(re22).toString()
);

test(str1, re1, "str1 re1")(str1, re11, "str1 re11")
    (str1, re2, "str1 re2")(str1, re22, "str1 re22");

test(str2, re1, "str2 re1")(str2, re11, "str2 re11")
    (str2, re2, "str2 re2")(str2, re22, "str2 re22");

function test(str, re, name) {
    console.time(name);
    for (var i=0; i<1e6; ++i) str1.match(re);
    console.timeEnd(name);
    return test;
}

对浮点和整数进行100万次匹配测试，可以看到浮点数测试相差0.1秒，整数相差0.2秒。
这已经是非常小的性能差异了，有的垃圾正则，100万次测试可能会相差十几甚至几十秒呢。

这么个小知识点让我开拓了眼界，其实只是写的少，看的少，所以一直都是井底蛙，技术这东西，必须多看，多想，多写才行。
好了今天的分享完毕，明天见。