• 高性能JavaScript(字符串和正则表达式)


     字符串连接

    +/+=操作符连接

    str += "one" + "two";

    这是常用的连接字符串的方法,它运行的时候会经历下面四个步骤:

    1、在内存中创建一个临时字符串;

    2、连接后的”onetwo”被赋值给这个临时字符串;

    3、临时字符串与str的当前值连接;

    4、连接后的结果赋值给str。

     

    下行代码可以避免产生临时字符串

    str = str + "one" + "two";

    赋值表达式由 str 开始作为基础,每次给它附加一个字符串,由左向右依次连接,因此避免了使用临时字符串。如果改变顺序 比如 把 str 放到中间 那就没有优化的效果了。这与浏览器合并字符串时分配内存的方法有关。

     

    数组项合并

    Array.prototype.join 方法将数组的所有元素合并成一个字符串,接收一个参数作为连接符。

    var str = "i am people but i very shuai a",
    Newstr = "",
    Appends = 5000;
    
    while(Appends --){
    Newstr += str
    }

    此代码连接了5000个长度为30的字符串,下图为IE7中完成所消耗的时间

    IE7 5000次合并用了226毫秒已经明显影响性能了,如何优化呢?

     

    使用数组项合并生成通用的字符串

    var str = "i am people but i very shuai a",
    Strs = [],
    Newstr = "",
    Appends = 5000;
    
    while(Appends --){
    Strs[Strs.length] = str;
    }
    Newstr = Strs.join("");

    IE7测试结果

    由于避免了重复分配内存和拷贝逐渐增大的字符串,于是性能提升很明显。

     

    String.prototype.concat

    Concat 可以接收任意数量的参数,并将每个参数附加到所调用的字符串上。

    str = str.concat(s1);

    str = str.concat(s1,s2,s3);

    遗憾的是,使用concat 比使用简单的 + += 稍慢,尤其是在IE opera Chrome 慢的更明显。

     

    正则表达式优化

    正则表达式工作原理,了解原理有助于更好的解决各种影响正则性能的问题。

    编译:浏览器验证正则表达式对象,之后把它转换成原生代码程序;把正则对象赋值给一个变量,可以避免重复编译。

    设置起始位置:目标字符串的起始搜索位置,一般是字符串的起始字符、或者正则的lastIndex属性指定位置(限于带有/gexectest)、或者从第四步返回时的最后一次匹配的字符的下一个字符。

    浏览器优化正则表达式引擎的办法是,在这一阶段中通过早期预测跳过一些不必要的工作。例如,如果一个正则表达式以^开头,IE Chrome通常判断在字符串起始位置上是否能够匹配,然后可避免愚蠢地搜索后续位置。另一个例子是匹配第三个字母是x的字符串,一个聪明的办法是先找到x,然后再将起始位置回溯两个字符。

    匹配每个正则表达式字元:从字符串的起始位置开始,逐个检查文本和正则模式,当一个特定的字元匹配失败时,回溯到之前尝试匹配的位置,尝试其他可能的路径。

    匹配成功或失败:如果在当前的字符串位置有一个完全匹配,则宣布匹配成功;如果当前位置没有所有可能的路径都没有成功匹配,会退回第二步,重新设置起始位置,开始另一轮匹配…直到以最后一个字符串为其实位置,仍未成功,则宣布匹配失败。

     

    理解回溯(Backtracking)

    回溯是匹配过程的基本组成部分,是正则如此强大的根源,也是正则的性能消耗所在,因此如何减少回溯是提高正则的关键所在。回溯一般在分支和重复的情况下出现:

     

    分支与回溯

    /h(ello|appy) hippo/.test("hello there, happy hippo");

    正则开始的h与字符串起始位置的h匹配,接下来的分支,按从左到右的原则,(ello|appy)中的ello先尝试匹配,字符串h后面也是ello,匹配成功,于是继续匹配正则中(ello|appy)之后的空格,仍然匹配成功,继续匹配正则中空格之后的h,字符串空格之后是t,匹配失败。

    回到正则的分支(ello|appy)(这就是回溯),尝试用appy对字符串第一位个字符h之后的字符进行匹配,失败,这里没有更多的选项,不再回溯。

    第一个起始位置匹配失败,起始位置后延一位,重新匹配h…直到字符串起始位置为14时,匹配到h

    于是开启新一轮的字元匹配,进入分支(ello|appy)中的ello,匹配失败。

    回到正则的分支(ello|appy)(再次回溯),appy匹配成功,退出分支,匹配后续的 hippo,匹配字符串happy hippo,匹配成功,结束匹配。

     

    重复与回溯

    var str = "<p>Para 1.</p><img src='smiley.jpg'><p>Para 2.</p><div>Div.</div>";

    /<p>.*</p>/i.test(str);

    正则开始的<p>与字符串起始位置的<p>匹配,接下来是.*(.匹配换行以外任意字符,*是贪婪量词,表示重复0次或多次,匹配尽可能多的次数).*匹配后续一直到字符串尾部的所有字符。

    尝试匹配正则中.*后面的<,在字符串最后匹配失败,然后每次向前回溯一个字符尝试匹配…,直到</div>的第一个字符匹配成功,接下来正则中的/也与字符串中的/匹配成功,继续匹配正则中的p,匹配失败,返回</div>,继续向前回溯,直到第二段的</p>,匹配成功,返回<p>Para 1.</p><img src=smiley.jpg><p>Para 2.</p>,里面有2个段落和一张图片,结束匹配。

     

    回溯失控

    回溯失控的时候,可能导致浏览器假死数秒、数分钟或更长时间,以下面这个正则为例(用来匹配整个HTML字符串):

    /<html>[sS]*?<head>[sS]*?</head>[sS]*?<body>[sS]*?</body>[sS]*?</html>/

    匹配结构完整的html文件时,一切正常,但是有些标签缺失时问题就出现了,假如html文件最后的</html>缺失,最后一个[sS]*?重复会扩展到字符串末尾,匹配</html>失败,正则会依次向前搜索并记住回溯位置以便后续使用,当正则表达式扩展到倒数第二个[sS]*?——用它匹配由正则表达式的</body>匹配到的那个<body>,——然后继续查找</body>标签,直到字符串末尾。当所有步骤都失败时,倒数第三个[sS]*?将被扩展至字符串末尾,以此类推。

    回溯失控终极方案:模拟原子组(向前查看+反向引用)(?=([sS]*?<head>))1

    /<html>(?=([sS]*?<head>))1(?=([sS]*?</head>))2(?=([sS]*?<body>))3(?=([sS]*?</body>))4[sS]*?</html>/

    原子组(向前查看)的任何回溯位置都会被丢弃,从根源上避免了回溯失控,但是向前查看不会消耗任何字符作为全局匹配的一部分,捕获组+反向引用在这里可以用来解决这个问题,需要注意的是这的反向引用次数,即上面的1234对应的位置。

    其它不做赘述(因为我理解不了了)。

     

    何时不使用正则表达式

    如果仅仅是搜索字符串,而且事先知道字符串的哪部分需要被测试时,正则并不是最佳的解决方案。比如,检查一个字符串是否以分号结尾:

    /;$/.test(str);正则会从第一个字符开始,逐个测试整个字符串,看她是否是分号,在判断是否在字符串的最后,当字符串很长时,需要的时间越多。

    str.charAt(str.length 1) == ;;这个直接跳到最后一个字符,检查是否为分号,字符串很小是可能只是快一点点,但是对于长字符串,长度不会影响所需的时间。

    字符串的原生方法都是很快的,比如slicesubstrsubstringindexOflastIndexOf等,他们可以避免正则带来的性能开销。

     

    去除字符串首尾空白

    String.prototype.trim = function() {
      var str = this.replace(/^s+/, ""),
      end = str.length - 1,
      ws = /s/;
      while (ws.test(str.charAt(end))) {
        end--;
      }
      return str.slice(0, end + 1);
    }

    这个解决方案用正则来去除头部的空白,位置锚^,会很快,主要是尾部的空白处理,像上面何时不使用正则表达式里说的,用正则并不是最佳的,这里用字符串原生方法结合正则来解决,可以避免性能受到字符串长度和空白的长度的影响。

     

    小结:

    当连接数量巨大或尺寸巨大的字符串时,数组项合并是唯一在IE7及更早版本中性能合理的方法。

     

    不考虑IE7的话,数组项合并是最慢的连接字符串方法之一。推荐使用++=操作符代替。

     

    回溯既是正则表达式匹配功能的基本组成部分,也是正则的低效原因。

     

    回溯失控发生在正则本应快速匹配的地方,但因某些特殊的字符串匹配动作导致运行缓慢甚至浏览器崩溃。避免这个问题的方法是:使相邻的资源互斥,避免嵌套量词对同一字符串的相同部分多次匹配,通过重复利用预查的原子组去除不必要的回溯。

     

    正则表达式并不总是完成工作的最佳工具,尤其当你只搜索字面字符串的时候。

     

    去除字符串收尾空白有很多方法,但是用两个简单的正则表达式(一个去除头部一个去除尾部)来处理大量字符串内容能提供一个简洁而跨浏览器的方法。

     

     

     

  • 相关阅读:
    剑指 Offer 25. 合并两个排序的链表
    53. 最大子序和 动态规划
    121. 买卖股票的最佳时机
    20. 有效的括号
    centos7 常用操作
    树莓派
    golang 学习笔记
    并发 线程 进程
    连接内网问题
    Lamp 高并发优化
  • 原文地址:https://www.cnblogs.com/wyhlightstar/p/10233457.html
Copyright © 2020-2023  润新知