js 玩轉(zhuǎn)正則表達(dá)式之語(yǔ)法高亮

更新時(shí)間：2014年05月13日 17:33:17 作者：

學(xué)了幾天正則，差不多該總結(jié)整理寫(xiě)成果了，通過(guò)分析2位大神的代碼，整理出來(lái)的一篇很實(shí)用的文章

學(xué)了幾天正則，差不多該總結(jié)整理寫(xiě)成果了，之前就想寫(xiě)語(yǔ)法高亮匹配來(lái)著，不過(guò)水平不夠，看著例子都不理解。

那么我們來(lái)分析下兩位大神次碳酸鈷和 Barret Lee 語(yǔ)法高亮實(shí)現(xiàn)。

先說(shuō) Barret Lee 的這篇《幾個(gè)小例子教你如何實(shí)現(xiàn)正則表達(dá)式highlight高亮》

之前看的時(shí)候只覺(jué)的神奇，特別是下面那個(gè)一步一步分開(kāi)匹配的例子，更是霸氣測(cè)漏，不過(guò)作者也說(shuō)了，分開(kāi)只是為了演示方便，可以很直觀的看到這一步匹配了什么，不然一步到位匹配完成，你都不知道發(fā)生了什么就處理完畢了。
來(lái)看下他的正則

復(fù)制代碼代碼如下:

(/^\s+|\s+$/) // 匹配首尾空格
(/(["'])(?:\\.|[^\\\n])*?\1/) // 匹配字符串
(/\/(?!\*|span).+\/(?!span)[gim]*/) // 匹配正則 span 是他上次處理加上的，我覺(jué)得這里不應(yīng)該出現(xiàn)
(/(\/\/.*|\/\*[\S\s]+?\*\/)/) // 匹配注釋
(/(\*\s*)(@\w+)(?=\s*)/) // 匹配 注釋中的標(biāo)記
(/\b(break|continue|do|for|in|function|if|else|return|switch|throw|try|catch|finally|var|while|with|case|new|typeof|instance|delete|void|Object|Array|String|Number|Boolean|Function|RegExp|Date|Math|window|document|navigator|location|true|false|null|undefined|NaN)\b/) // 匹配關(guān)鍵詞

小胡子哥可能是不想重復(fù)造輪子，只是想弄清楚如何造這樣的輪子而已，所以他寫(xiě)這個(gè)東西點(diǎn)到即止，沒(méi)有深入詳細(xì)的處理，做的比較粗糙。
當(dāng)然我也不是說(shuō)他什么，只是簡(jiǎn)單評(píng)論一下而已，畢竟優(yōu)秀的語(yǔ)法高亮插件多的是，沒(méi)必要自己重復(fù)造，學(xué)習(xí)下原理即可。

我們?cè)賮?lái)分析下次碳酸鈷這篇《如何實(shí)現(xiàn)正則表達(dá)式的JavaScript的代碼高亮》
其實(shí)這篇已經(jīng)分析的非常詳細(xì)了，我只能簡(jiǎn)單補(bǔ)充說(shuō)明下。
次碳酸鈷思維一向比較嚴(yán)謹(jǐn)，這篇文章之前我看了一個(gè)多小時(shí)，只能看個(gè)大概，這次重新分析了一遍，然后自己實(shí)現(xiàn)了一遍，竟然也花去我半天時(shí)間，
不過(guò)非常值得，真心學(xué)到了很多。

先來(lái)看一下大體的邏輯吧。

復(fù)制代碼代碼如下:

(\/\/.*|\/\*[\S\s]+?\*\/) // 匹配注釋
((["'])(?:\\.|[^\\\n])*?\3) // 匹配字符串
\b(break|continue|do|for|in|function|if|else|return|switch|this|throw|try|catch|finally|var|while|with|case|new|typeof|instance|delete|void)\b // 匹配關(guān)鍵詞
\b(Object|Array|String|Number|Boolean|Function|RegExp|Date|Math|window|document|navigator|location)\b // 匹配內(nèi)置對(duì)象
\b(true|false)\b // 匹配布爾值
\b(null|undefined|NaN)\b // 匹配各種空值， 我覺(jué)得這個(gè)和布爾值一組比較合適。
(?:[^\W\d]|\$)[\$\w]* // 匹配普通的變量名
(0[xX][0-9a-fA-F]+|\d+(?:\.\d+)?(?:[eE]\d+)?) // 匹配數(shù)字 (前者不占用，這里就會(huì)有問(wèn)題)
(?:[^\)\]\}]|^)(\/(?!\*)(?:\\.|[^\\\/\n])+?\/[gim]*) // 匹配正則
[\S\s] // 其他不能匹配的任意值

原文對(duì)最后一個(gè) [\S\s] 的描述：我們必須匹配到每一個(gè)字符。因?yàn)樗鼈兌夹枰鲆淮蜨TML轉(zhuǎn)義。
然后下面有詳細(xì)的代碼。

這是一篇非常不錯(cuò)的文章，我前前后后至少看了不下10次了，前兩天才差不多完全明白。

不過(guò)這個(gè)代碼還有一些小小的瑕疵，比如字符串不能匹配折行那種，字符串匹配優(yōu)化。

還有數(shù)字匹配不夠全面只能匹配 0xff, 12.34, 1e3 這幾類(lèi)，如 .123 12.3e+3 等格式都無(wú)法匹配到。
還有關(guān)鍵詞順序我覺(jué)得可以稍微優(yōu)化下。
因?yàn)?傳統(tǒng)型NFA 引擎的只是從左往右匹配，匹配到了就停止下一個(gè)分支的操作。
所以把最常出現(xiàn)的關(guān)鍵詞放前面，可以提升一部分性能。
最后，最好是 new RegExp 這樣對(duì)于代碼量大的代碼性能上會(huì)有所提升。

下面就給出我的正則和簡(jiǎn)單的demo吧。(其實(shí)只是對(duì) 次碳酸鈷源碼的優(yōu)化而已。。)
先來(lái)看正則部分：

復(fù)制代碼代碼如下:

(\/\/.*|\/\*[\s\S]*?\*\/) // 匹配注釋 沒(méi)改
("(?:[^"\\]|\\[\s\S])*"|'(?:[^'\\]|\\[\s\S])*') // 匹配注釋 優(yōu)化過(guò)
\b(true|false|null|undefined|NaN)\b // 匹配 布爾和空值，這幾個(gè)比較常用，分組提前
\b(var|for|if|else|return|this|while|new|function|switch|case|typeof|do|in|throw|try|catch|finally|with|instance|delete|void|break|continue)\b // 匹配關(guān)鍵詞，關(guān)鍵詞順序改了下
\b(document|Date|Math|window|Object|location|navigator|Array|String|Number|Boolean|Function|RegExp)\b //內(nèi)置對(duì)象，單詞順序改了下
(?:[^\W\d]|\$)[\$\w]* // 匹配普通的變量名 沒(méi)改
(0[xX][0-9a-fA-F]+|\d+(?:\.\d+)?(?:[eE][+-]?\d+)?|\.\d+(?:[eE][+-]?\d+)?) // 匹配數(shù)字，修復(fù)了匹配
(?:^|[^\)\]\}])(\/(?!\*)(?:\\.|[^\\\/\n])+?\/[gim]*) // 匹配正則，這個(gè)最復(fù)雜，情況很多，我暫時(shí)沒(méi)實(shí)力修改
[\s\S] // 匹配其他

好了，差不多該給例子了。
我相信，不少人在看到這之前已經(jīng)關(guān)掉了，或者只是拉了下滾動(dòng)條然后關(guān)掉了。
不過(guò)我寫(xiě)這個(gè)就是為了給這些認(rèn)真看下來(lái)的朋友，只要有一個(gè)人看，我覺(jué)得就不會(huì)白寫(xiě)了。
例子：

復(fù)制代碼代碼如下:

// 單行注釋
/**
* 多行注釋
* @date 2014-05-12 22:24:37
* @name 測(cè)試一下
*/
var str1 = "123\"456";
var str2 = '123\'456';
var str3 = "123\
456";

var num = 123;
var arr = [12, 12.34, .12, 1e3, 1e+3, 1e-3, 12.34e3, 12.34e+3, 12.34e-3, .1234e3];
var arr = ["12", "12.34", '.12, 1e3', '1e+3, 1e-3', '12.34e3, 12.34e+3, 12.34e-3', ".1234e3"];
var arr = [/12", "12.34/, /"12\/34"/];

for (var i=0; i<1e3; i++) {
var node = document.getElementById("a"+i);
arr.push(node);
}

function test () {
return true;
}
test();

(function(window, undefined) {
var _re_js = new RegExp('(\\/\\/.*|\\/\\*[\\s\\S]*?\\*\\/)|("(?:[^"\\\\]|\\\\[\\s\\S])*"|\'(?:[^\'\\\\]|\\\\[\\s\\S])*\')|\\b(true|false|null|undefined|NaN)\\b|\\b(var|for|if|else|return|this|while|new|function|switch|case|typeof|do|in|throw|try|catch|finally|with|instance|delete|void|break|continue)\\b|\\b(document|Date|Math|window|Object|location|navigator|Array|String|Number|Boolean|Function|RegExp)\\b|(?:[^\\W\\d]|\\$)[\\$\\w]*|(0[xX][0-9a-fA-F]+|\\d+(?:\\.\\d+)?(?:[eE][+-]?\\d+)?|\\.\\d+(?:[eE][+-]?\\d+)?)|(?:^|[^\\)\\]\\}])(\\/(?!\\*)(?:\\\\.|[^\\\\\\/\\n])+?\\/[gim]*)|[\\s\\S]', 'g');

function htmlEncode(str) {
 var i, s = {
 //"&": /&/g,
 """: /"/g,
 "'": /'/g,
 "<": //g,
 " ": /\n/g,
 " ": / /g,
 " ": /\t/g
 };
 for (i in s) {
 str = str.replace(s[i], i);
 }
 return str;
 }

window.prettify = prettify;
})(window);

你們可以用下面的代碼進(jìn)行測(cè)試。

代碼：

復(fù)制代碼代碼如下:

<!doctype html>
<html lang="en">
<head>
 <meta charset="UTF-8">
 <title>test</title>
 <style>
 /* 高亮樣式 */
 *{font-size:12px;}
 code{word-break:break-all;}

.com {color:#008000;} /* 注釋 */
 .comkey {color:#FFA500;} /* 注釋標(biāo)記 */
 .str {color:#808080;} /* 字符串 */
 .val {color:#000080;} /* true|false|null|undefined|NaN */
 .kwd {color:#000080;font:bold 12px 'comic sans ms', sans-serif;} /* 關(guān)鍵詞 */
 .obj {color:#000080;} /* 內(nèi)置對(duì)象 */
 .num {color:#FF0000;} /* 數(shù)字 */
 .reg {color:#8000FF;} /* 正則 */
 .func {color:#A355B9;} /* 函數(shù) */
 </style>
</head>
<body>

<code id="regdemon">
// 單行注釋
/**
* 多行注釋
* @date 2014-05-12 22:24:37
* @name 測(cè)試一下
*/
var str1 = "123\"456";
var str2 = '123\'456';
var str3 = "123\
456";

for (var i=0; i<1e3; i++) {
var node = document.getElementById("a"+i);
arr.push(node);
}

function test () {
return true;
}
test();