浅谈学习正则表达式的重要性

一、问题

使用 Hexo 搭建博客确实简单又强大，简单在于构建和发布过程，强大在于它的扩展性。关于 Hexo 博客插件功能有兴趣的朋友可以参考我之前的一篇文章：分享几个实用的 HEXO 博客功能插件 ，但是有时候这些功能比较官方，我们还是需要自己动手 DIY 一下才能更好的适应自己的网页。我现在使用的博客 RSS 订阅功能这个插件（ hexo-generator-feed ）就不太适合我自己的博客行情。

问题是这样的，因为我使用了图片懒加载的功能，导致生成的 RSS.xml 文件包含的图片部分是真实地址，部分是预加载图片的地址而不是真实源图片地址：

1
2
3

<p><img src="http://url/to/imgloader.gif" data-echo="real-image.jpg"></p>
<p><img src="real-image.jpg"></p>
<p><img src="http://url/to/real-image.jpg"></p>

这个时候就需要自己动手稍微 Hack 一下插件的源码了，对整篇的文字进行查找替换就需要正则表达式派上用场了。

二、解决方法

对于 JavaScript 编程我是门外汉，不过好在正则表达式在不同语言之间是通用的，至少大部分场景是这样，那么对于会 Java 的我来说对源码简单修改一下足够了。关于正则表达式这里有一篇文章总结的比较好，刚好介绍了我需要使用的知识点：正则表达式中的不匹配，下面引用的是文章的正则表达式定义表格：

对于上面的代码我要做到三点：

1. 图片 src 是真实地址的不能改，比如： src="http://url/to/real-image.jpg"
2. 图片 src 是相对地址的，需要添加绝对地址： src="real-image.jpg" 改成 src="http://url/to/real-image.jpg"
3. 图片 src 是懒加载图片的，修改为 data-echo 表示的绝对地址： src="http://url/to/imgloader.gif" data-echo="real-image.jpg" 改成 src="http://url/to/real-image.jpg"

第三种情况很好处理，正则表达式： /(http\:\/\/url\/to\/imgloader.gif" data-echo=")/g 来进行替换即可 ，这里很多符号需要使用 \ 反斜杠来转义，另外 g 表示全局搜索替换。

第二种情况和第一种情况很相似，但是第一种情况是不需要做任何修改的，刚开始我简单的替换 src=" 为绝对路径 src=http://url/to/ 是行不通的，这样会把第一种情况的图片地址也替换掉： src="http://url/to/http://url/to/real-image.jpg" 这是我不想要的结果！

所以，这里需要用到正则表达式中的不匹配原则了，如果路径中不包含 http:// 那么就是相对地址，需要修改！正则表达式是： /<img src="(?!http:\/\/).+(.jpg|.png|.gif)"/gi ，显然， (?!http:\/\/) 是表示匹配字符串不包含 http:// 的意思，这里注意 i 表示不区分大小写进行搜索， . 表示匹配任何换行符之外的单个字符，然后 + 代表不止一个， (.jpg|.png|.gif) 表示这三种图片格式中的任何一种即可。这样正则表达式就达到匹配搜素的目的了。

另外，正则表达中括号 () 非常有用（ (x) 和 (?:x) 含义相反，可以参考相关资料 ），初学者很容易忽略这一点！它的含义和用途是：

(x)
匹配 x 并且记住匹配项，就像下面的例子展示的那样。括号被称为捕获括号。
模式 /(foo) (bar) \1 \2/ 中的 (foo) 和 (bar) 匹配并记住字符串 foo bar foo bar 中前两个单词。模式中的 \1 和 \2 匹配字符串的后两个单词。注意 \1、\2、\n 是用在正则表达式的匹配环节。在正则表达式的替换环节，则要使用像 $1、$2、$n 这样的语法，例如，'bar foo'.replace(/(...) (...)/, '$2 $1')。

所以最终我的代码如下，我加了两个括号用于记住匹配项并用 $1 和 $2 来使用，代码一目了然：

1
2
3
4
5
6
7
8
9
10
11
12

if(feedConfig.replaceURL) {
    var regLazy = /(http\:\/\/liuqingwen.me\/images\/imgloader.gif" data-echo=")/g;
    var regSrc = /(<img src=")((?!http:\/\/).+(.jpg|.png|.gif)")/gi;
    posts.forEach(function(post) {
        var coverdiv = post.permalink + post.cover_index;
        var contenthead = '<span class="image main"><img src="' + coverdiv + '" alt="' + post.title + '"></span>';
        var content = post.content.replace(regSrc, "$1" + post.permalink + "$2");
        content = content.replace(regLazy, post.permalink);
        //element.content = contenthead + content;
        post.newContent = contenthead + content;
    });
}

注意上面代码中我所注释的那段代码，我发现我并不能直接修改 element.content 那样会导致我所有博客文章和 RSS 文件一同被莫名其妙地改掉，这是我没有预料到的，所以，鉴于 JavaScript 的动态语言特性，我给每篇文章 post 动态地添加了一个属性： post.newContent 用于 RSS 的生成。

最后还需要在模板代码中进行应用：

1
2
3
4
5

{% if config.feed.content and post.content and post.newContent %}
    <content type="html"><![CDATA[{{ post.newContent | safe }}]]></content>
{% elif config.feed.content and post.content %}
    <content type="html"><![CDATA[{{ post.content | safe }}]]></content>
{% endif %}

三、写在最后

其实我们在进行字符串匹配、替换、修改的时候，我们不一定完全需要使用正则表达式，特别是那些不复杂的情况，简单使用字符串的一些标准方法就可以进行查找替换修改了。但是，我觉得能用正则表达式就尽量使用正则表达式，有时候性能也不会差，我给出三点简单的原因：

1 正则表达式有时候并不慢

在对于长篇的文字匹配搜索的时候，正则表达式表达更加合理，速度也不慢，我觉得优先使用正则表达式。虽然我也没有理论支持，但是想想，正则表达式为啥存在于各种语言之中？是吧。

2 我所熟悉的 Java 中 replaceAll 函数

这个函数表面上和 replace 一样，实际上它的第一个参数是一个正则表达式而非字符，所以 "1.2.3".replaceAll(".", "-") 的结果不是 1-2-3 而是 ----- ，因为 "." 是正则表达式代表任何非空字符的匹配规则啊。

3 正则表达式在不同语言中基本通用

不一定是 JavaScript ，对于 Java 或者其他语言都能通用正则表达式，看来学习它是很有必要的，你说呢？

参考资料：
正则表达式（MDN - Mozilla Developer Network）： https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Guide/Regular_Expressions
正则表达式中的不匹配： http://www.isnowfy.com/regular-expression-negative/
EJS (GitHub)： https://github.com/tj/ejs
SWIG (GitHub)： https://github.com/paularmstrong/swig
PUG (GitHub)： https://github.com/pugjs/pug