5. 删除程序中的各种注释
- 首先考虑到在字符串中可能存在注释的文本，但是这些注释我们是不需要删除的，
- 所以可以加一个分支再匹配字符串
- 这时当匹配字符串开始时候，就会一直匹配到字符串结束
- 然后下次匹配的时候，是在字符串尾部继续应用正则表达式，所以不会匹配到内部
- 同理注释中字符串也不算程序中的字符串，因为在更前的位置，已经被当成注释给匹配了
- 如果既不是字符串也不是注释，传动装置才会驱动到下一个位置继续尝试
匹配注释的表达式
- 多行注释:
/\*[\s\S]*?\*/ - 单行注释:
//.*+
匹配字符串的表达式
- 单引号或双引号 字符串:
(["'])(?:(?!\1)[^\n\\])*+(?:\\.(?:(?!\1)[^\n\\])*+)*+\1
所以整个表达式可以写成
(["'])(?:(?!\1)[^\n\\])*+(?:\\.(?:(?!\1)[^\n\\])*+)*+\1|/\*[\s\S]*?\*/|//.*+
表达式的顺序是不重要的，但是文本中那种内容更多可能改变表达式的顺序却可以提高效率
如果要删除注释，则替换的时候替换成字符串匹配到的内容即可，如果注释匹配为空，则无影响，如果字符串为空，则注释将被删除
regex: ((["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2)|/\*[\s\S]*?\*/|//.*+
replacement: $1
不使用忽略优先量词和环视来匹配注释的更高效版本
-
regex:
((["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2)|/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+ -
replacement:
$1
因为在java中测试，匹配多行注释使用这种办法效率更高，而匹配单引号和双引号不使用多选分支效率更高
进一步优化
- 在匹配非字符串和注释的时候，这些内容不能被匹配，表达式只能依次尝试完所有的分支报告当前位置失配，然后由传动装置驱动到下一个位置，因为java采用的是传统型
nfa引擎，表达式主导，所以可以自己控制表达式的匹配， - 在第一个分支加入匹配其他字符的表达式:
[^'/"]+, 之所以不使用星号量词是因为*总是能够匹配成功，而当匹配到注释开始时，其不能匹配任何文本，也能报告成功，下一次迭代的时候，传动装置就会从下一个位置继续开始匹配，这将会把注释当成其他内容匹配而保留下来。
([^/'"]++|(["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2)|/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+
- 然而当匹配完字符串后，接下来很可能又是其他字符，所以可以在其后添加匹配其他字符的表达式:
[^'/"]+，因为也可能后面存在的是注释，如
String test = "test"/*middle comments*/;
所以我们应该使用星号量词: [^'/"]*
得到最后的表达式
([^/'"]++|(["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2[^/'"]*+)|/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+
可能还会考虑到优化
- 可以把其他字符当作普通字符，注释和字符串当作特殊字符
-
normal:
[^/'"] -
special:
(?:((["'])(?:(?!\2)[^\n\\])*+(?:\\.(?:(?!\2)[^\n\\])*+)*+\2)|(?:/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+))
- 注释非捕获，其他和字符串捕获，得到:
-
regex:
([^/'"]*+)(?:(?:((["'])(?:(?!\3)[^\n\\])*+(?:\\.(?:(?!\3)[^\n\\])*+)*+\3)|(?:/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/|//.*+))([^/'"]*+))*+ -
replacement:
$1$2$4
但实际上这是不正确的，$2和$4捕获的文本存在于量词限定之中，其捕获的文本时刻在发生改变，每次都为最后一次应用匹配到的文本。
4. 匹配程序中的字符串
- 程序中的字符串分两种，单引号字符串和双引号字符串
- 匹配双引号字符串:
"(?:[^\\"\n]|\\.)*+" - 匹配单引号字符串:
'(?:[^\\'\n]|\\.)*+'
- 消除循环
"[^\\"\n]*+(?:\\.[^\\"\n]*+)*+"'[^\\'\n]*+(?:\\.[^\\'\n]*+)*+'
- 可以用一个正则表达式来匹配单引号字符串和双引号字符串
(["'])(?:(?!\1)[^\n\\]|\\.)*+\1
经测试合并后的表达式相比于多选分支具有更高的效率 - 消除循环
(["'])(?:(?!\1)[^\n\\])*+(?:\\.(?:(?!\1)[^\n\\])*+)*+\1
3. 单纯匹配程序多行注释
special部分匹配的内容是normal不能匹配的疑似结束tag的内容，但是special又不会匹配掉结束tag，所以这里可以把诺干个****...[^/*]当作special，****.../当作结束tag，之所以不能把*[^/]当作special，*/当作结束tag，是因为如果结束是**/，这样的字符，会造成special匹配**，/被normal部分匹配掉.
不使用忽略优先量词与环视
- opening:
/\* - normal:
[^*] - special:
\*+[^*/] - closing:
\*+/
regex1:/\*[^*]*+(?:\*++[^/*][^*]*+)*+\*++/ - opening:
/\* - normal*:
[^*]*\*+ - special:
[^*/] - closing:
/
regex2:/\*[^*]*+\*++(?:[^/*][^*]*+\*++)*+/
regex3: /\*(?:(?!\*/)[\s\S])*+\*/
regex4: /\*[\s\S]*?\*/
- 在java中的效率比较
1, 2 > 4 > 3
2. 匹配CVS文件的内容
- 匹配
hsdh,"gsg ""gsasg""ga",,gs,"",asghs - 得到
hsdh，"gsg ""gsasg""ga"，，gs，""，asghs
regex1: (?:(?<=,)|^)(?:[^\n,]*+|"(?:[^\n"]|"")*+")
regex2: (?:(?<=,)|^)(?:[^\n,]*+|"[^\n"]*+(?:""[^\n"]*+)*+")
1. 为数值添加逗号
问题：
- 将类似
298444215替换成298,444,215
解决办法：
- 前面要存在数字——使用
(?<=\d) - 后面要存在数字且是3的整倍数——
(?=(?:\d\d\d)+$)
regex: (?<=\d)(?=(?:\d{3})++$)
replacement: ,
