JavaScript：避免使用 String.split 和正则表达式优先级的空字符串

Question

我正在创建一个语法荧光笔，并且我正在使用 String.split 从输入字符串创建标记。 第一个问题是 String.split 会创建大量的空字符串，这会导致一切都比原本可能的速度慢很多。

例如，"***".split(/(\*)/) -> ["", "*", "", "*", "", "*", ""]。 有没有办法避免这种情况？

另一个问题是正则表达式本身的表达式优先级。 假设我正在尝试解析 C 风格的多行注释。 即/* comment */。 现在让我们假设输入字符串是"/****/"。 如果我使用以下正则表达式，它会起作用，但会产生很多额外的标记（以及所有那些空字符串！）。

/(\/\*|\*\/|\*)/

更好的方法是读取/*、*/，然后在一个令牌中读取所有其余的*。 也就是说，上述字符串的更好结果是["/*", "**", "*/"]。 但是，当使用应该这样做的正则表达式时，我得到了不好的结果。 正则表达式是这样的：/(\/\*|\*\/|\*+)/。

这个表达式的结果是：["/*", "***", "/"]。 我猜这是因为最后一部分是贪婪的，所以它从另一部分窃取了比赛。

我找到的唯一解决方案是制作一个否定的前瞻表达式，如下所示：

/(\/\*|\*\/|\*+(?!\/)/

这给出了预期的结果，但与另一个相比它很慢，这对大字符串有影响。

这些问题有解决方案吗？

Answer 1

使用lookahed避免空匹配：

arr = "***".split(/(?=\*)/);
//=> ["*", "*", "*"]

或使用filter(Boolean) 丢弃空匹配项：

arr = "***".split(/(\*)/).filter(Boolean);
//=> ["*", "*", "*"]

Answer 2

通常你使用match而不是split进行标记：

> str = "/****/"
"/****/"
> str.match(/(\/\*)(.*?)(\*\/)/)
["/****/", "/*", "**", "*/"]

还要注意非贪婪修饰符? 是如何解决第二个问题的。