百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

从简到难,理解正则表达式(vue)

ztj100 2024-12-03 06:52 18 浏览 0 评论


前言

正则一直是令我头大的问题,简单入门的那些还好,但是一旦复杂起来真是连百度都不知道他的用意,只能一小段一小段的试。

这篇会列举几个 vue 源码中的几个正则表达式,为什么选取这些呢?

因为我近段时间在深入学习 vue 的代码,同时觉得这些表达式也是非常具有实战性的,相信对我们以后实现业务逻辑会有很大的启发和帮助。

几个基础概念

如果你对正则表达式如下概念不熟悉,有必要的话可以再回顾下。(当然只针对下面例子涉及的概念)


部分正则规则







test exec match 区别

  • test 不需要知道匹配内容,只需判断正则是否命中的场景
  • exec 进行搜索匹配,返回匹配结果
  • match 是 String 对象方法,和 exec 类似

看几个小 demo :

在全局模式下, match 不会有额外 索引 index被匹配数据 input 的输出。并且只有所有匹配的数据。


非括号捕获

匹配 (?:x) 中 x 表达式,但不记住选项。

似乎从结果上看,这两者没什么区别。我通过调用字符串 replace 方法后,你再看下:

你应该能看到其中的区别了吧。


replace

replace 作为 String 对象中的方法,相比都经常使用。

但如果将 replace 第一个参数传入正则表达式,第二个参数而一个函数 Fn ,那是否知道 Fn 的参数列表有什么特殊作用吗?

Function 的参数说明:

  • match 匹配内容
  • $1,$2 … 括号捕获内容
  • offset 匹配开始位置
  • string 源字符串

结合 括号捕获非括号捕获 应该很容易明白:


html 注释判断

vue 会解析我们 html 模板,html 中的注释肯定没有任何意义,所以有必要将它过滤掉。

那怎么匹配出现的注释内容呢?

直接上正则逻辑:

上面摘自 vueparseHtml 方法,相对简单。

利用 test 判断当前 html 内容是否符合预期,配合“固定”注释的左右标识,记录当前注释结束为止,为下次新的 html 解析做准备。

驼峰表达式转换


我们可能会用 abc-def 的方式定义对象的属性名,或者 vue 中非规范的定义, vue 框架就会有统一的处理,将 abc-def 统一转化为 abcDef 驼峰写法

解析 html 属性 Key-Value


我们先看这段正则的匹配输出结果:

按照顺序,开始分析:

我先把这个正则简化下:

第一部分 A ,匹配任何空白字符,并且空白符可出现 or 未出现过:

随后跟着一个 括号捕获 表达式 B

[] 中括号包裹,并且里面匹配的内容至少要出现一次。

注意内部内容的 ^ 并不是说明以其开头,而是 非 \s”‘<>/= 这些字符,从而 取出属性的 key

后面将是个复杂的 非括号捕获

我们先分析其中三个括号捕获 DEF

仔细看不难发现,DE 是针对不同的引号(双引号、单引号)包裹内容来匹配的,并且内部不能出现外部的引号。

F 和之前的 B 类似,唯独去除了斜杠限制。


最后针对 DEF 的结果,来做非括号匹配。就能 取出属性的 value

既然知道了属性的 key、value 取值方式,那么 C 的作用也显而易见了:

用等号 = 作为分隔符,取出整个 key=value 的值。

那么再回头看之前正则对应的输出结果就容易些了。

正则的封装

讲个轻松些的,如下是个判断 html 起始标签的正则:

能发现整个正则表达式很长,虽然逻辑不复杂,但看起来真的很揪心。

我们看看 vue 是怎么做的?

使用正则的 source 属性,我们能拿到正则表达式的字符串,同时需要注意所有交付给 new RegExp 的参数,对其中的斜杠需要作次转义。

这样通过 es6 的 表达式和 RegExp 对象,将原先繁琐的正则表达式优化成多个变量定义,现在我们能按其意思快速的理解正则了。

总结

上面这些例子只是个引子,我希望同我一样惧怕正则表达式的同学能正视它,因为表面看上去它很复杂,但其实耐心些,像主流框架些的正则都是能挖掘很多内含的东西。

希望这篇文章能让你的正则能力提升一个台阶。

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: