Sizzle 裡有一條堪稱全 jQuery 最長、最嚇人的正則,第一次看到大概只會想關掉檔案。它研究很久仍然似懂非懂,後來發現「先畫出來、再搭配除錯一步一步看值」才是理解它的最佳路徑。
var chunker = /((?:\((?:\([^()]+\)|[^()]+)+\)|\[(?:\[[^[\]]*\]|['"][^'"]*['"]|[^[\]'"]+)+\]|\\.|[^ >+~,(\[\\]+)+|[>+~])(\s*,\s*)?((?:.|\r|\n)*)/g,
改用不同顏色標示分組後會直觀很多:

這段迴圈的作用是把一條複合選擇器拆成陣列,例如 div#id>p ul li 會被切成 ['div#id', '>', 'p', 'ul', 'li']:
// 拆分每個選擇器到 parts 陣列
while ( (chunker.exec(""), m = chunker.exec(soFar)) !== null ) {
// soFar 存的是「過濾掉第一層之後」剩下的選擇器字串,也就是圖上的分組三
soFar = m[3];
// 把選擇器塊的第一部分推入陣列
parts.push( m[1] );
// 如果遇到逗號 ',',代表這一組選擇器結束,跳到下一組
if ( m[2] ) {
extra = m[3]; // 記下另一組選擇器
break;
}
}
三個分組各自的角色就很清楚了:分組一是當前這一小段選擇器,分組二是尾隨的逗號(用來判斷是否還有其他組),分組三是尚未處理的剩餘字串,會被丟回去繼續下一輪 exec。這是一種「邊掃邊縮短字串」的經典技巧。
剩下的 ID、CLASS 等就單純多了,每條規則各自負責一種語法:
match: {
// \u00c0-\uFFFF 用來匹配各國語言的字母文字
ID: /#((?:[\w\u00c0-\uFFFF-]|\\.)+)/, // #myId
CLASS: /\.((?:[\w\u00c0-\uFFFF-]|\\.)+)/, // .myClass
NAME: /\[name=['"]*((?:[\w\u00c0-\uFFFF-]|\\.)+)['"]*\]/, // [name="myName"]
ATTR: /\[\s*((?:[\w\u00c0-\uFFFF-]|\\.)+)\s*(?:(\S?=)\s*(['"]*)(.*?)\3|)\s*\]/, // [attribute="value"]
TAG: /^((?:[\w\u00c0-\uFFFF\*-]|\\.)+)/, // div p a
CHILD: /:(only|nth|last|first)-child(?:\((even|odd|[\dn+-]*)\))?/, // :first-child、:nth-child(5n+1)
POS: /:(nth|eq|gt|lt|first|last|even|odd)(?:\((\d*)\))?(?=[^-]|$)/, // :nth(3) span
PSEUDO:/:((?:[\w\u00c0-\uFFFF-]|\\.)+)(?:\((['"]?)((?:\([^\)]+\)|[^\(\)]*)+)\2\))?/ // :jlkj\kjl('kl(kklk)kl')
}
(?:...) 包住整段,是為了「分組編號」而非取值。非捕獲群組不佔編號,這樣 m[1]、m[2]、m[3] 的意義才不會被內部的小括號打亂。(.*?) 搭配反向引用 \3(ATTR 規則)是處理「引號可有可無、且單雙引號要成對」的標準手法。(?=[^-]|$)(POS 規則)是零寬的向前查驗,用來避免把 :nth-child 誤判成 :nth,這類邊界判斷在自製選擇器引擎時經常需要。(本文只解析了 chunker 與 match 表,Sizzle 後續的 DOM 走訪與排序邏輯暫未展開。)