再议 js 数字格式之正则表达式

原文: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 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。

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。