javascript - 从字符串中的给定索引开始的高效正则表达式匹配

Question

我已经解析了一个字符串到索引idx。我的下一个解析步骤使用正则表达式。它需要匹配字符串的下一部分，即从 idx 位置开始。我如何有效地做到这一点？

例如:

let myString = "<p>ONE</p><p>TWO</p>"
let idx

// some code not shown here parses the first paragraph
// and updates idx
idx = 10

// next parse step must continue from idx 
let myRegex = /<p>[^<]*<\/p>/
let subbed = myString.substring(idx)
let result = myRegex.exec(subbed)
console.log(result) // "<p>TWO</p>", not "<p>ONE</p>"

但是 myString.substring(idx) 似乎是一个相当昂贵的操作。

是否没有像这样的正则表达式操作:result = myRegex.execFromIndex(idx, myString);？

一般来说，我想从不同的索引开始正则表达式匹配，这样我就可以排除部分字符串并避免已经解析的匹配。因此一次可以来自 myString[0] 另一次来自 myString[51] 等等。

有没有办法有效地做到这一点？我正在解析数十万行，并希望以尽可能便宜的方式执行此操作。

Answer 1

JavaScript 正则表达式有一个 lastIndex 属性，在 Regexp.exec() 中用作占位符，其中包含最后一次匹配的索引，表明它知道在哪里接下来开始因此设置 myRegex.lastIndex = 3 应该可以解决您的问题。

它比 substring 方法更有效，因为它不需要创建额外的变量并且设置 lastIndex 属性可能比执行 substring 操作更快。其他一切都与您所做的完全相同。

下面是一个测试，因为它表明设置 lastIndex 将产生与首先执行 substring 相同的结果。

var result1Elem = document.getElementById('result1');
var result2Elem = document.getElementById('result2');
var runBtn = document.getElementById('RunBtn');
runBtn.addEventListener("click", runTest);
function runTest() {
  var substrStart = +document.getElementById('substrStartText').value
  var myRegex1 = new RegExp(document.getElementById('regexText').value, 'g');
  myRegex1.lastIndex = substrStart;
  var myRegex2 = new RegExp(document.getElementById('regexText').value, 'g');

  var myString1 = document.getElementById('testText').value;
  var myString2 = myString1.substring(3);
  
  var result;
  
  var safety = 0;
  while ((result = myRegex1.exec(myString1)) !== null) {
    result1Elem.innerHTML += '<li>' + result[0] + ' at ' + result.index + '</li>';
    if (safety++ > 50) break;
  }
  
  safety = 0;
  while ((result = myRegex2.exec(myString2)) !== null) {
    result2Elem.innerHTML += '<li>' + result[0] + ' at ' + (result.index + substrStart)  + '</li>';
    if (safety++ > 50) break;
  }
}

<table>
<tr><td>Test </td><td> <input type="text" value="Hello World" id="testText" /></td></tr>
<tr><td>Regex </td><td> <input type="text" value="l." id="regexText" /></td></tr>
<tr><td>Substring Start </td><td> <input type="text" value="3" id="substrStartText" /></td></tr>
<tr><td colspan="2"><button id="RunBtn">Run</button></td></tr>
</table>

<table style="width:100%">
  <tr style="font-weight:bold; background:#ccc">
    <td>Results of Regex with lastIndex = 3</td>
    <td>Results of string substringged</td>
  </tr>
  <tr>
    <td><ul id="result1"></ul></td>
    <td><ul id="result2"></ul></td>
  </tr>
<table>