Минификатор JavaScript на PHP: регулярка или деление

В портале есть инструмент, который сжимает JavaScript. Настоящего парсера в нём нет, только сканер, бегущий по символам. Он убирает комментарии и лишние пробелы, а переменные не переименовывает.

Это осознанное решение, оно даже записано в комментарии к классу JsMinifier. Результат получается жирнее, чем у terser или esbuild, зато безопасный. Мощное сжатие требует разбирать язык целиком, а мне для этого инструмента такой цирк не нужен.

Всё, что внутри кавычек, трогать нельзя: пробелы в строке это данные, а не украшения. Поэтому, встретив кавычку, сканер читает строку целиком вместе с экранированием и ничего в ней не правит.

Отдельное развлечение шаблонные строки в обратных кавычках. В них бывают вставки в фигурных скобках, внутри вставок свои строки, а иногда и вложенные шаблоны, привет, матрёшка. Для этого есть отдельная функция со счётчиком вложенности, код внутри вставок остаётся нетронутым.

Самое интересное место. Встретив слэш, надо понять, кто перед нами: деление или начало регулярки. Ошибёшься, примешь деление за регулярку, и сканер «съест» полфайла в поисках закрывающего слэша. Решение принимается по последнему символу уже записанного результата:

private static function regexAllowed(string $out): bool
{
    if ($out === '') {
        return true;
    }
    $last = $out[strlen($out) - 1];
    if (str_contains('(,=:[!&|?{};+-*%<>~^', $last)) {
        return true;
    }
    if ($last === '}') {
        return true;
    }
    if (ctype_alpha($last)) {
        return (bool) preg_match(self::KEYWORDS_BEFORE_REGEX, substr($out, -12));
    }

    return false;
}

Логика такая. После скобки, запятой, знака равенства или оператора дальше начинается выражение, значит, слэш открывает регулярку. После слова решают ключевые слова: после return или typeof регулярка возможна, после обычной переменной нет. Если до конца строки закрывающий слэш так и не нашёлся, сканер честно сдаётся и считает слэш делением.

В JavaScript точка с запятой иногда подставляется сама, ориентируясь на перенос строки (это называется ASI, привет ещё одному любителю «я сам всё сделаю»). Поэтому склеишь две строки в одну, и смысл программы может поплыть. Я удаляю перенос только там, где это точно безопасно: после символа, на котором выражение не может закончиться, или перед символом, который обязательно продолжает выражение.

private static function newlineIsSafeToDrop(string $last, string $next): bool
{
    return str_contains('{([,;=*%&|^?:<>', $last)
        || str_contains(')]}.,;?:=*%&|^<>([', $next);
}

Во всех остальных случаях перенос остаётся. Поэтому на выходе не одна бесконечная строка, а несколько.

Комментарии с восклицательным знаком, например лицензии, сохраняются. Переменные не переименовываются и мёртвый код не выкидывается, поэтому файл выходит больше, чем у terser. Самые свежие конструкции, которым нужен настоящий разбор, минификатор не понимает и потихоньку кряхтит.

Зато весь код занимает чуть больше двухсот строк, и главное его свойство одно: если сканер сомневается, он ничего не трогает. По тому же принципу живёт и типограф на этом портале. Скромность украшает.