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 = {                // "&amp;": /&/g,                "&quot;": /"/g,                "&#039;": /'/g,                "&lt;": /</g,                "&gt;": />/g,                "<br>": //n/g,                // "": / /g, // pre 标签不需要替换空格                "&nbsp;&nbsp;": //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);

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;}    pre {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><pre 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 = "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; 1e3>i; 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|l