首页 > 代码库 > js 正则练习之语法高亮
js 正则练习之语法高亮
学了几天正则,差不多该总结整理写成果了,之前就想写语法高亮匹配来着,不过水平不够,看着例子都不理解。
今天就分析下 次碳酸钴 和 Barret Lee 语法高亮实现。
先说 Barret Lee 的这篇 《玩转正则之highlight高亮》
之前看的时候只觉的神奇,特别是下面那个一步一步分开匹配的例子,更是霸气测漏,不过作者也说了,分开只是为了演示方便,可以很直观的看到这一步匹配了什么,不然一步到位匹配完成,你都不知道发生了什么就处理完毕了。
来看下他的正则
(/^\s+|\s+$/) // 匹配首尾空格
(/(["‘])(?:\\.|[^\\\n])*?\1/) // 匹配字符串
(/\/(?!\*|span).+\/(?!span)[gim]*/) // 匹配正则 span 是他上次处理加上的,我觉得这里不应该出现
(/(\/\/.*|\/\*[\S\s]+?\*\/)/) // 匹配注释
(/(\*\s*)(@\w+)(?=\s*)/) // 匹配 注释中的标记
(/\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/) // 匹配关键词
小胡子哥可能是不想重复造轮子,只是想弄清楚如何造这样的轮子而已,所以他写这个东西点到即止,没有深入详细的处理,做的比较粗糙。
当然我也不是说他什么,只是简单评论一下而已,毕竟优秀的语法高亮插件多的是,没必要自己重复造,学习下原理即可。
我们再来分析下 次碳酸钴 这篇 《使用正则表达式实现JavaScript的代码高亮》
其实这篇已经分析的非常详细了,我只能简单补充说明下。
次碳酸钴 思维一向比较严谨,这篇文章之前我看了一个多小时,只能看个大概,这次重新分析了一遍,然后自己实现了一遍,竟然也花去我半天时间,
不过非常值得,真心学到了很多。
先来看一下大体的逻辑吧。
(\/\/.*|\/\*[\S\s]+?\*\/) // 匹配注释
((["‘])(?:\\.|[^\\\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 // 匹配关键词
\b(Object|Array|String|Number|Boolean|Function|RegExp|Date|Math|window|document|navigator|location)\b // 匹配内置对象
\b(true|false)\b // 匹配布尔值
\b(null|undefined|NaN)\b // 匹配各种空值, 我觉得这个和布尔值一组比较合适。
(?:[^\W\d]|\$)[\$\w]* // 匹配普通的变量名
(0[xX][0-9a-fA-F]+|\d+(?:\.\d+)?(?:[eE]\d+)?) // 匹配数字 (前者不占用,这里就会有问题)
(?:[^\)\]\}]|^)(\/(?!\*)(?:\\.|[^\\\/\n])+?\/[gim]*) // 匹配正则
[\S\s] // 其他不能匹配的任意值
原文对最后一个 [\S\s] 的描述:我们必须匹配到每一个字符。因为它们都需要做一次HTML转义。
然后下面有详细的代码。
这是一篇非常不错的文章,我前前后后至少看了不下10次了,前两天才差不多完全明白。
不过这个代码还有一些小小的瑕疵,比如字符串不能匹配折行那种,字符串匹配优化,我之前文章大篇幅的讨论了这个问题。
详见:《js 正则学习小记之匹配字符串》 和 《js 正则学习小记之匹配字符串优化篇》
还有数字匹配不够全面只能匹配 0xff, 12.34, 1e3 这几类,如 .123 12.3e+3 等格式都无法匹配到。
还有关键词顺序我觉得可以稍微优化下。
因为 传统型NFA 引擎的只是从左往右匹配,匹配到了就停止下一个分支的操作。
所以把最常出现的关键词放前面,可以提升一部分性能。
最后,最好是 new RegExp 这样对于代码量大的代码性能上会有所提升。
下面就给出我的正则和简单的demo吧。(其实只是对 次碳酸钴 源码的优化而已。。)
先来看正则部分:
(\/\/.*|\/\*[\s\S]*?\*\/) // 匹配注释 没改
|
("(?:[^"\\]|\\[\s\S])*"|‘(?:[^‘\\]|\\[\s\S])*‘) // 匹配注释 优化过
|
\b(true|false|null|undefined|NaN)\b // 匹配 布尔和空值,这几个比较常用,分组提前
|
\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 // 匹配关键词,关键词顺序改了下
|
\b(document|Date|Math|window|Object|location|navigator|Array|String|Number|Boolean|Function|RegExp)\b //内置对象,单词顺序改了下
|
(?:[^\W\d]|\$)[\$\w]* // 匹配普通的变量名 没改
|
(0[xX][0-9a-fA-F]+|\d+(?:\.\d+)?(?:[eE][+-]?\d+)?|\.\d+(?:[eE][+-]?\d+)?) // 匹配数字,修复了匹配
|
(?:^|[^\)\]\}])(\/(?!\*)(?:\\.|[^\\\/\n])+?\/[gim]*) // 匹配正则,这个最复杂,情况很多,我暂时没实力修改
|
[\s\S] // 匹配其他
合并了布尔和空值一个分组,然后优化了正则分组,所以比他减少了2个分组。
他 2,3 是字符串分组,因为 (["‘]) 捕获了前面的引号,而我的正则没这么做。
这个 (true|false|null|undefined|NaN) 如果你不喜欢放在一个分组了,分开也行、
是不是同一个分组,只是为了区分着色而已。
sublime text 下 true|false|null|undefined|NaN 都是一个颜色,而 notepad++ 则只着色了 true|false ,我只想说 呵呵。
好了,差不多该给例子了。
我相信,不少人在看到这之前已经关掉了,或者只是拉了下滚动条然后关掉了。
不过我写这个就是为了给这些认真看下来的朋友,只要有一个人看,我觉得就不会白写了。
例子:
// 单行注释
/**
* 多行注释
* @date 2014-05-12 22:24:37
* @name 测试一下
*/
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 prettify(node) {
var code = node.innerHTML.replace(/\r\n|[\r\n]/g, "\n").replace(/^\s+|\s+$/g, "");
code = code.replace(_re_js, function() {
var s, a = arguments;
for (var i = 1; i <= 7; i++) {
if (s = a[i]) {
s = htmlEncode(s);
switch (i) {
case 1: //注释 com
return ‘<span class="com">‘ + s + ‘</span>‘;
case 2: //字符串 str
return ‘<span class="str">‘ + s + ‘</span>‘;
case 3: //true|false|null|undefined|NaN val
return ‘<span class="val">‘ + s + ‘</span>‘;
case 4: //关键词 kwd
return ‘<span class="kwd">‘ + s + ‘</span>‘;
case 5: //内置对象 obj
return ‘<span class="obj">‘ + s + ‘</span>‘;
case 6: //数字 num
return ‘<span class="num">‘ + s + ‘</span>‘;
case 7: //正则 reg
return htmlEncode(a[0]).replace(s, ‘<span class="reg">‘ + s + ‘</span>‘);
}
}
}
return htmlEncode(a[0]);
});
code = code.replace(/(?:\s*\*\s*|(?: )*\*(?: )*)(@\w+)\b/g, ‘ * <span class="comkey">$1</span>‘) // 匹配注释中的标记
.replace(/(\w+)(\s*\(|(?: )*\()|(\w+)(\s*=\s*function|(?: )*=(?: )*function)/g, ‘<span class="func">$1</span>$2‘) // 匹配函数
return code;
}
function htmlEncode(str) {
var i, s = {
//"&": /&/g,
""": /"/g,
"‘": /‘/g,
"<": //g,
"<br>": /\n/g,
" ": / /g,
" ": /\t/g
};
for (i in s) {
str = str.replace(s[i], i);
}
return str;
}
window.prettify = prettify;
})(window);
这就是渲染后的代码了,由于代码比较长,复制上来后被博客园格式化后代码格式不对了,所以我直接把渲染后的html直接复制上来了。
你们可以用下面的代码进行测试。
代码:
<!doctype html> <html lang="en"> <head> <meta charset="UTF-8"> <title>test</title> <style> /* 高亮样式 */ *{font-size:12px;} code{word-break:break-all;} .com {color:#008000;} /* 注释 */ .comkey {color:#FFA500;} /* 注释标记 */ .str {color:#808080;} /* 字符串 */ .val {color:#000080;} /* true|false|null|undefined|NaN */ .kwd {color:#000080;font:bold 12px ‘comic sans ms‘, sans-serif;} /* 关键词 */ .obj {color:#000080;} /* 内置对象 */ .num {color:#FF0000;} /* 数字 */ .reg {color:#8000FF;} /* 正则 */ .func {color:#A355B9;} /* 函数 */ </style> </head> <body> <code id="regdemon"> // 单行注释 /** * 多行注释 * @date 2014-05-12 22:24:37 * @name 测试一下 */ var str1 = "123\"456"; var str2 = ‘123\‘456‘; var str3 = "123456"; var num = 123; var arr = [12, 12.34, .12, 1e3, 1e+3, 1e-3, 12.34e3, 12.34e+3, 12.34e-3, .1234e3]; var arr = ["12", "12.34", ‘.12, 1e3‘, ‘1e+3, 1e-3‘, ‘12.34e3, 12.34e+3, 12.34e-3‘, ".1234e3"]; var arr = [/12", "12.34/, /"12\/34"/]; for (var i=0; i<1e3; i++) { var node = document.getElementById("a"+i); arr.push(node); } function test () { return true; } test(); (function(window, undefined) { var _re_js = new RegExp(‘(\\/\\/.*|\\/\\*[\\s\\S]*?\\*\\/)|("(?:[^"\\\\]|\\\\[\\s\\S])*"|\‘(?:[^\‘\\\\]|\\\\[\\s\\S])*\‘)|\\b(true|false|null|undefined|NaN)\\b|\\b(var|for|if|else|return|this|while|new|function|switch|case|typeof|do|in|throw|try|catch|finally|with|instance|delete|void|break|continue)\\b|\\b(document|Date|Math|window|Object|location|navigator|Array|String|Number|Boolean|Function|RegExp)\\b|(?:[^\\W\\d]|\\$)[\\$\\w]*|(0[xX][0-9a-fA-F]+|\\d+(?:\\.\\d+)?(?:[eE][+-]?\\d+)?|\\.\\d+(?:[eE][+-]?\\d+)?)|(?:^|[^\\)\\]\\}])(\\/(?!\\*)(?:\\\\.|[^\\\\\\/\\n])+?\\/[gim]*)|[\\s\\S]‘, ‘g‘); function prettify(node) { var code = node.innerHTML.replace(/\r\n|[\r\n]/g, "\n").replace(/^\s+|\s+$/g, ""); code = code.replace(_re_js, function() { var s, a = arguments; for (var i = 1; i <= 7; i++) { if (s = a[i]) { s = htmlEncode(s); switch (i) { case 1: //注释 com return ‘<span class="com">‘ + s + ‘</span>‘; case 2: //字符串 str return ‘<span class="str">‘ + s + ‘</span>‘; case 3: //true|false|null|undefined|NaN val return ‘<span class="val">‘ + s + ‘</span>‘; case 4: //关键词 kwd return ‘<span class="kwd">‘ + s + ‘</span>‘; case 5: //内置对象 obj return ‘<span class="obj">‘ + s + ‘</span>‘; case 6: //数字 num return ‘<span class="num">‘ + s + ‘</span>‘; case 7: //正则 reg return htmlEncode(a[0]).replace(s, ‘<span class="reg">‘ + s + ‘</span>‘); } } } return htmlEncode(a[0]); }); code = code.replace(/(?:\s*\*\s*|(?: )*\*(?: )*)(@\w+)\b/g, ‘ * <span class="comkey">$1</span>‘) // 匹配注释中的标记 .replace(/(\w+)(\s*\(|(?: )*\()|(\w+)(\s*=\s*function|(?: )*=(?: )*function)/g, ‘<span class="func">$1</span>$2‘) // 匹配函数 return code; } function htmlEncode(str) { var i, s = { //"&": /&/g, """: /"/g, "'": /‘/g, "<": /</g, ">": />/g, "<br>": /\n/g, " ": / /g, " ": /\t/g }; for (i in s) { str = str.replace(s[i], i); } return str; } window.prettify = prettify; })(window); </code> <script> (function(window, undefined) { var _re_js = new RegExp(‘(\\/\\/.*|\\/\\*[\\s\\S]*?\\*\\/)|("(?:[^"\\\\]|\\\\[\\s\\S])*"|\‘(?:[^\‘\\\\]|\\\\[\\s\\S])*\‘)|\\b(true|false|null|undefined|NaN)\\b|\\b(var|for|if|else|return|this|while|new|function|switch|case|typeof|do|in|throw|try|catch|finally|with|instance|delete|void|break|continue)\\b|\\b(document|Date|Math|window|Object|location|navigator|Array|String|Number|Boolean|Function|RegExp)\\b|(?:[^\\W\\d]|\\$)[\\$\\w]*|(0[xX][0-9a-fA-F]+|\\d+(?:\\.\\d+)?(?:[eE][+-]?\\d+)?|\\.\\d+(?:[eE][+-]?\\d+)?)|(?:^|[^\\)\\]\\}])(\\/(?!\\*)(?:\\\\.|[^\\\\\\/\\n])+?\\/[gim]*)|[\\s\\S]‘, ‘g‘); function prettify(node) { var code = node.innerHTML.replace(/\r\n|[\r\n]/g, "\n").replace(/^\s+|\s+$/g, ""); code = code.replace(_re_js, function() { var s, a = arguments; for (var i = 1; i <= 7; i++) { if (s = a[i]) { s = htmlEncode(s); switch (i) { case 1: //注释 com return ‘<span class="com">‘ + s + ‘</span>‘; case 2: //字符串 str return ‘<span class="str">‘ + s + ‘</span>‘; case 3: //true|false|null|undefined|NaN val return ‘<span class="val">‘ + s + ‘</span>‘; case 4: //关键词 kwd return ‘<span class="kwd">‘ + s + ‘</span>‘; case 5: //内置对象 obj return ‘<span class="obj">‘ + s + ‘</span>‘; case 6: //数字 num return ‘<span class="num">‘ + s + ‘</span>‘; case 7: //正则 reg return htmlEncode(a[0]).replace(s, ‘<span class="reg">‘ + s + ‘</span>‘); } } } return htmlEncode(a[0]); }); code = code.replace(/(?:\s*\*\s*|(?: )*\*(?: )*)(@\w+)\b/g, ‘ * <span class="comkey">$1</span>‘) // 匹配注释中的标记 .replace(/(\w+)(\s*\(|(?: )*\()|(\w+)(\s*=\s*function|(?: )*=(?: )*function)/g, ‘<span class="func">$1</span>$2‘) // 匹配函数 return code; } function htmlEncode(str) { var i, s = { //"&": /&/g, """: /"/g, "'": /‘/g, "<": /</g, ">": />/g, "<br>": /\n/g, " ": / /g, " ": /\t/g }; for (i in s) { str = str.replace(s[i], i); } return str; } window.prettify = prettify; })(window); var code = document.getElementById("regdemon"); code.innerHTML = prettify(code); </script> </body> </html>
差不多结合了 小胡子哥 和 次碳酸钴 两个思路的结果,现在比较完善了。
兼容性什么的还没测试,也没必要测试了,我也没打算自己写各种语法的高亮,太TM累了。。
好了,今天花了比较多的时间写例子,也没时间检查了,如果有不对的地方请跟帖谢谢。