javascript - 使用 Regex 解析 C 风格的注释，避免回溯

Question

我想匹配 JavaScript 文件中的所有 block 注释和多行注释(这些是 C 风格的注释)。我有一个很好用的模式。但是，它会产生一些回溯，这会显着降低速度，尤其是在处理较大的文件时。

模式:\/\*(?:.|[\r\n])*?\*\/|(?:\/\/.*)

示例:https://www.regex101.com/r/pR6eH6/2

如何避免回溯？

Answer 1

由于交替，您有大量的回溯。代替 (?:.|[\r\n])，您可以考虑使用字符类 [\s\S] 来显着提高性能:

\/\*[\s\S]*?\*\/|\/\/.*

参见 demo

在 Python 中，您可以使用 re.S/re.DOTALL 修饰符来使 . 也匹配换行符(注意单行注释模式应该匹配 \/\/[^\r\n]* then):

/\*.*?\*/|//[^\r\n]*

参见 another demo

但是，由于 *? lazy quantifier 也会导致与贪婪量词类似的开销，您应该考虑使用C style multiline comments 的最佳模式- /\*[^*]*\*+(?:[^/*][^*]*\*+)*/，整个正则表达式现在看起来像:

/\*[^*]*\*+(?:[^/*][^*]*\*+)*/|//.*

参见 yet another demo

详细信息:

• /\* - 一个/*
• [^*]* - *
以外的零个或多个字符
• \*+ - 一个或多个星号
• (?:[^/*][^*]*\*+)* - 零个或多个序列:
  • [^/*] - / 和 *
  以外的符号
  • [^*]* - *
  以外的零个或多个符号
  • \*+ - 1+ 个星号
• / - / 符号
• | - 或
• //.* - // 和除换行符以外的任何 0+ 个字符。

只是想注意，在 Python 中，你不需要转义 /(在 JS 中，你不需要在使用 RegExp 声明正则表达式时转义 /构造函数)。

注意:最后一个模式不允许简单地捕获 /* 和 */ 中的内容，但由于该模式更稳定与其他相比，即使您需要使用尾随 * - /\*([^*]*\*+(?:[^/*][^*]*\*+)*)/|//(.*) - 然后您需要从 .group(1) 中删除最后一个字符>.