[正则优化] CSS属性选择符的匹配

正则表达式如下

[s*((?:[wu00c0-uFFFF-]|\.)+)s*(?:(S?=)s*(['"]*)(.*?)3|)s*]

这个正则表达式的作用是用来匹配CSS属性选择符,例如:

/*能匹配成功的*/
[class='abcdefg-abcdefg']
/*匹配失败的*/
[class='abcdefg-abcdefg'

成功匹配的过程如下:

 

短短的文本却需要匹配451步,效率是比较低的,总结一下大概有以下几个问题:

1. ((?:[wu00c0-uFFFF-]|\.)+) 这一部分表达式是用来匹配属性名称的,+号本身是贪婪匹配的,但是限定在一个分组之后就变成循环了,括号中的表达式会一次次的循环执行,因此效率也就比较低了。

2. (S?=)部分是用来匹配属性关系符的,例如"="、"~="。当匹配的属性关系符的长度是2时,该表达式并没有问题,S?能够成功的匹配第一个关系符,例如"~="中的"~"。但是在匹配"="这样只有一个字符的关系符时,S?= 首先会用S?来匹配"=",而且这个匹配是成功的,之后会再用表达式中的等号继续匹配,但匹配时失败的,这时候需要增加一次回溯来保证匹配成功,因此这里的回溯也是可以优化的。

3. 在匹配属性值时,使用了一个懒惰型的表达式,即(.*?),这也是按字符循环,速度较慢,可以进行优化。

根据以上的问题相应的做出了以下的改进:

1. ((?:[wu00c0-uFFFF-]|\.)+)  这一部分之所以要使用分组是因为属性名中可以包含.这样的字符,在此可以将它视为特殊字符,因此使用(open normal(special normal+)* close)的格式对这部分进行重构,结果为:[wu00c0-uFFFF-]*(\.[wu00c0-uFFFF-]*)*,这可以以最大的步伐匹配字符。

2. (S?=)部分需要排除S?对"="进行匹配的可能性,因此修改为 [^s=]?

3. ([‘"]*)(.*?)3|)匹配属性值的时候之所以使用懒惰匹配是因为使用了反向引用,这里可以使用分组来替换。

根据以上几点做出的修改后,结果如下:

[s*((?:[wu00c0-uFFFF-]*(?:\.[wu00c0-uFFFF-]*)*))s*(?:([^s=]?=)
s*('[^'s]]*'|"[^"s]]*"|[^'"s]]*))s*]

使用优化后的表达式匹配上文相同的文本得到的结果如下:

由原来的451步缩减为21步,是一个相当大的提升,这里匹配属性名和属性值时都是最大步伐的消耗掉文本,而且匹配关系符时不再有回溯。

而实际上浏览器的测试结果也验证了这一点:http://jsperf.com/regexp-test-1

结果显示,在匹配成功的情况下,IE、Firefox的性能提升在1倍以上,Chrome下也超过50%。

而在匹配失败的情况下,优化后的表达式也是回溯次数最少的,性能提升在以上case中也有体现,IE和Firefox下的提升高达4-5倍,Chrome下提升2倍左右。

You can follow any responses to this entry through the RSS 2.0 feed. You can leave a response, or trackback from your own site.

6 Comments »

 
 

Leave a Reply

XHTML: You can use these tags: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong> <pre lang="" line="" escaped="">