从 Vue parseHTML 来学习正则表达式

  • A+
所属分类：Web前端
摘要

写作本文的起源在于，在分析 Vue 源码中 parseHTML 方法时，发现网上对其中正则的解析文章较少，找到的几篇文章也有些语焉不详。于是静下心逐个表达式分析了其中的正则，以备查看。
便宜好用的国外VPS推荐

写作本文的起源在于，在分析 Vue 源码中 parseHTML 方法时，发现网上对其中正则的解析文章较少，找到的几篇文章也有些语焉不详。于是静下心逐个表达式分析了其中的正则，以备查看。

常见正则规则可参见附录 1，Vue parseHTML 正则所用规则均可在其中找到定义。

Vue parseHTML 中所用的所有正则如下：

const attribute = /^s*([^s"'<>/=]+)(?:s*(=)s*(?:"([^"]*)"+|'([^']*)'+|([^s"'=<>`]+)))?/ const dynamicArgAttribute = /^s*((?:v-[w-]+:|@|:|#)[[^=]+][^s"'<>/=]*)(?:s*(=)s*(?:"([^"]*)"+|'([^']*)'+|([^s"'=<>`]+)))?/ const ncname = `[a-zA-Z_][\-\.0-9_a-zA-Z${unicodeRegExp.source}]*` const qnameCapture = `((?:${ncname}\:)?${ncname})` const startTagOpen = new RegExp(`^<${qnameCapture}`) const startTagClose = /^s*(/?)>/ const endTag = new RegExp(`^<\/${qnameCapture}[^>]*>`) const doctype = /^<!DOCTYPE [^>]+>/i const comment = /^<!--/ const conditionalComment = /^<![/

接下来一个个通过拆解表达式，来分析上述正则规则。

attribute

const attribute = /^s*([^s"'<>/=]+)(?:s*(=)s*(?:"([^"]*)"+|'([^']*)'+|([^s"'=<>`]+)))?/

分析其结构：

  1. ^s* 匹配 0 至多个以空白字符开头的字符串空白字符的部分

  2. 捕获组：([^s"'<>/=]+) 匹配并捕获 1 至多次除 空白字符 " ' < > / = 以外的所有字符

  3. 非捕获组：(?:s(=)s(?:"(["]*)"+|'([']*)'+|([^s"'=<>`]+)))?

  • s* 匹配 0 至多个空白字符
  • 捕获组：(=) 匹配并捕获 =
  • s* 匹配 0 至多个空白字符
  • 非捕获组：(?:"([^"]*)"+|'([^']*)'+|([^s"'=<>]+))`
    • "([^"]*)"+
      • " 匹配 "
      • ([^"]*) 匹配并捕获 0 至多个除 " 外的字符
      • "+ 匹配 1 至多次 "
    • '([^']*)'+
      • ' 匹配 '
      • ([^']*) 匹配并捕获 0至多个除 ' 外的字符
      • '+ 匹配 1 至多次 '
    • ([^s"'=<>`]+) 匹配并捕获 1 至多次除 空白字符 " ' = < > ` 外的字符
  • ? 匹配 3 中非捕获组 0 次或 1 次

小结

attribute 表达式匹配的是：

  1. 以 0 至多个空白字符开头；

  2. 紧接着 1 至多个除 空白字符 " ' < > / = 以外的字符；

  3. 紧接着 0 至多个空白字符；

  4. 紧接着 =；

  5. 紧接着 0 至多个空白字符；

  6. 紧接着匹配 0 次或 1 次：

    (1) " + 0 至多个除 " 外的字符 + "；

    (2) 或 ' + 0 至多个除 ' 外的字符 + '；

    (3) 或 1 至多次除 空白字符 " ' = < > ` 外的字符

例如：

<div id="mydiv" class="myClass" style="color: #ff0000" >

在 Vue 的 parseHTML 时，就能将 id="mydiv"、class="myClass"、style="color: #ff0000"提取出来。

dynamicArgAttribute

const dynamicArgAttribute = /^s*((?:v-[w-]+:|@|:|#)[[^=]+][^s"'<>/=]*)(?:s*(=)s*(?:"([^"]*)"+|'([^']*)'+|([^s"'=<>`]+)))?/

分析其结构：

  1. ^s* 匹配以 0 至多个空白字符开头

  2. 捕获组：((?:v-[w-]+:|@|:|#)[[^=]+][^s"'<>/=]*)

  • 非捕获组：(?:v-[w-]+:|@|:|#) 匹配：

    （1）v- + 1 次或多次包括下划线在内的任意单词字符 + :

    （2）或 @

    （3）或 :

    （4）或 #

  • [[^=]+] 匹配 以 [ + 1 次或多次除 = 外的所有字符 + ]

  • [^s"'<>/=]* 匹配 0 次或多次除 空白字符、"、'、<、>、/、= 以外的字符

  1. 非捕获组：(?:s(=)s(?:"(["]*)"+|'([']*)'+|([^s"'=<>`]+)))?

已在 attribute 章节分析过。

小结

dynamicArgAttribute 用于匹配：

  1. 以 0 至多个空白字符开头

  2. 紧接着：

    （1）v- + 1 次或多次包括下划线在内的任意单词字符 + :；

    （2）或 @

    （3）或 :

    （4）或 #

  3. 紧接着以 [ + 1 次或多次除 = 外的所有字符 + ]

  4. 匹配 0 次或多次除 空白字符、"、'、<、>、/、= 以外的字符

  5. 紧接着 0 至多个空白字符；

  6. 紧接着 =；

  7. 紧接着 0 至多个空白字符；

  8. 紧接着匹配 0 次或 1 次：

    (1) " + 0 至多个除 " 外的字符 + "；

    (2) 或 ' + 0 至多个除 ' 外的字符 + '；

    (3) 或 1 至多次除 空白字符 " ' = < > ` 外的字符

例如：

<a v-bind:[attributeName]="url"> ... </a> 
<a v-on:[eventName]="doSomething"> ... </a>

在 Vue 的 parseHTML 时，就能将 v-bind:[attributeName]="url" 这种动态参数提取出来。

ncname

const ncname = `[a-zA-Z_][\-\.0-9_a-zA-Z${unicodeRegExp.source}]*`

首先看 unicodeRegExp

const unicodeRegExp = /a-zA-Zu00B7u00C0-u00D6u00D8-u00F6u00F8-u037Du037F-u1FFFu200C-u200Du203F-u2040u2070-u218Fu2C00-u2FEFu3001-uD7FFuF900-uFDCFuFDF0-uFFFD/

定义了一系列合法字符，通过 Unicode 字符集范围匹配。

unicodeRegExp.source 用于拿到正则表达式 unicodeRegExp 的字符串。

ncname 即是一系列合法字符的集合。

qnameCapture

const qnameCapture = `((?:${ncname}\:)?${ncname})`

表示匹配 xxx:xxx 或 xxx 模式的字符。

startTagOpen

const startTagOpen = new RegExp(`^<${qnameCapture}`)

startTagOpen 可匹配标签开始部分，即：<xxx:xxx 或 <xxx 的模式。

<xxx:xxx 代表的是带命名空间的 html 标签，文可参见这里，这种类型的标签主要作用是可以指定标签的命名空间，避免冲突。Vue 对这类的标签也做了解析。

如：<div 或 <math:div

startTagClose

const startTagClose = /^s*(/?)>/

^s*(/?)> 匹配以 0 至多个空白字符开头，接 0 或 1 个 / ，紧接 > 的字符串。

如： />

endTag

const endTag = new RegExp(`^<\/${qnameCapture}[^>]*>`)

匹配以 </ 开头，后接合法字符，后接 0 至多个除 > 以外的任何字符，最后接 > 。

如：</div>

doctype

const doctype = /^<!DOCTYPE [^>]+>/i

匹配以 <!DOCTYPE 开头，后接 1 至多次除 > 外的所有字符，后接 >。注意该匹配模式不区分大小写。

如：<!DOCTYPE html>

comment

const comment = /^<!--/

匹配以 <!-- 开头的字符串。

如：<!--STATUS OK-->

conditionalComment

const conditionalComment = /^<![/

匹配以 <![ 开头的字符串。条件注释主要用于做浏览器兼容等，文可参见这里

总结

本文以 Vue 源码中 parseHTML 方法为例，分析了其中定义的正则表达式，将常见的正则规则做了梳理，同时可以备查 parseHTML 方法的正则规则，方便后续继续分析该方法。

附录 1 常见正则规则

正则里的特殊字符

* ? + . [ ] ( ) { } | ^ $，共 13 个。
  1. * 表示匹配前面字符（或括号括起来的表达式，或方括号括起来的字符集）0 次或 多 次；
  2. ?（1）? 表示匹配前面字符（或括号括起来的表达式，或方括号括起来的字符集）0 次或 1 次；（2）? 紧跟在其它任何一个限制符（如 * + 等）后时，匹配模式为非贪婪，尽可能少地匹配；
  3. + 表示匹配前面字符（或括号括起来的表达式，或方括号括起来的字符集）1 次或 多 次；
  4. . 表示匹配除换行符以外的任意字符 1 次；
  5. [] 字符集，表示匹配方括号内字符中的其中一个，其中的特殊字符会被当做普通字符处理；
  6. () 捕获组，表示匹配其中的子表达式；
  7. {n,m} 匹配前面表达式最少 n 次，最多 m 次
  8. | 或，常用在捕获组中；
  9. ^ 匹配字符串的开始位置
  10. $ 匹配字符串的结束位置

表达式 () 中常见写法

  1. (pattern) 匹配 pattern 并获取该匹配；
  2. (?:pattern) 匹配 pattern 但不获取该匹配；
  3. pattern1(?=pattern2) 匹配 pattern1 后面跟 pattern2 的字符串，不获取该匹配
  4. pattern1(?!pattern2) 匹配 pattern1 后面不跟 pattern2 的字符串，不获取该匹配
  5. (?<=pattern2)pattern1 匹配 pattern1 前面为 pattern2 的字符串，不获取该匹配
  6. (?<!pattern2)pattern1 匹配 pattern1 前面不为 pattern2 的字符串，不获取该匹配

字符集 [] 常见写法

  1. [x|y] 匹配 x 或 y，可为字符串
  2. [xyz] 匹配 x 或 y 或 z 的字符
  3. [^xyz] 匹配 非 x 或 y 或 z 的字符
  4. [a-z] 匹配 a 到 z 的任意小写字符

常见特殊字符

  1. b 匹配单词边界
  2. d 匹配一个数字字符
  3. n 匹配一个换行符
  4. r 匹配一个回车符
  5. t 匹配制表符
  6. s 匹配任何空白字符
  7. w 匹配包括下划线的任何单词字符
便宜好用的国外VPS推荐