在 Java 中，当我们尝试使用正则表达式进行模式匹配时。例如获取输入字符串并使用正则表达式来确定它是否为数字。如果不是，则抛出异常。 在这种情况下，我理解，使用正则表达式使代码比我们获取字符串的每个字符，检查它是否是一个数字，如果不是抛出异常更简洁。
但我的假设是，正则表达式也会使过程更有效率。这是真的？我找不到关于这一点的任何证据。正则表达式如何在幕后进行匹配？它不是也遍历字符串并逐个检查每个字符吗？
【问题讨论】：
string.matches()，后者会在每次调用时重新编译正则表达式。
标签： java regex performance
只是为了好玩，我运行了这个微基准测试。上次运行的结果（即 JVM 预热/JIT）如下（无论如何，从一次运行到另一次运行的结果相当一致）：
regex with numbers 123
chars with numbers 33
parseInt with numbers 33
regex with words 123
chars with words 34
parseInt with words 733
换句话说，chars 非常有效，如果字符串是数字，则 Integer.parseInt 与 char 一样有效，但如果字符串不是数字，则非常慢。正则表达式介于两者之间。
结论
如果您将字符串解析为数字，并且您希望字符串通常是数字，则使用 Integer.parseInt 是最佳解决方案（高效且可读）。当字符串不是数字时，如果不是太频繁，你得到的惩罚应该很低。
ps：我的正则表达式可能不是最佳的，请随时发表评论。
public class TestNumber {
private final static List<String> numbers = new ArrayList<>();
private final static List<String> words = new ArrayList<>();
public static void main(String args[]) {
long start, end;
Random random = new Random();
for (int i = 0; i < 1000000; i++) {
numbers.add(String.valueOf(i));
words.add(String.valueOf(i) + "x");
}
for (int i = 0; i < 5; i++) {
start = System.nanoTime();
regex(numbers);
System.out.println("regex with numbers " + (System.nanoTime() - start) / 1000000);
start = System.nanoTime();
chars(numbers);
System.out.println("chars with numbers " + (System.nanoTime() - start) / 1000000);
start = System.nanoTime();
exception(numbers);
System.out.println("exceptions with numbers " + (System.nanoTime() - start) / 1000000);
start = System.nanoTime();
regex(words);
System.out.println("regex with words " + (System.nanoTime() - start) / 1000000);
start = System.nanoTime();
chars(words);
System.out.println("chars with words " + (System.nanoTime() - start) / 1000000);
start = System.nanoTime();
exception(words);
System.out.println("exceptions with words " + (System.nanoTime() - start) / 1000000);
}
}
private static int regex(List<String> list) {
int sum = 0;
Pattern p = Pattern.compile("[0-9]+");
for (String s : list) {
sum += (p.matcher(s).matches() ? 1 : 0);
}
return sum;
}
private static int chars(List<String> list) {
int sum = 0;
for (String s : list) {
boolean isNumber = true;
for (char c : s.toCharArray()) {
if (c < '0' || c > '9') {
isNumber = false;
break;
}
}
if (isNumber) {
sum++;
}
}
return sum;
}
private static int exception(List<String> list) {
int sum = 0;
for (String s : list) {
try {
Integer.parseInt(s);
sum++;
} catch (NumberFormatException e) {
}
}
return sum;
}
}
【讨论】：
我还没有技术答案，但我可以写一些代码看看。 我不认为正则表达式是将字符串转换为数字的方法。在许多情况下，它们可能会更有效率，但如果写得不好，就会很慢。
但是我想问一下，你为什么不直接使用：
Integer.parseInt("124")?这将引发 NumberFormatException。应该能够处理它，并且它将对数字的检测留给核心 Java。
【讨论】：
关于幕后的正则表达式...
有限状态机 (FSM) 等价于正则表达式。 FSM 是一台可以识别语言的机器（在您的情况下为数字）。 FSM 具有字母表、状态、初始状态、N 个最终状态以及从一种状态到另一种状态的转换函数。字符串需要包含在字母表中（例如 ASCII）。 FSM 从初始状态开始。当您输入一个字符串时，它会根据函数（状态，字符）=>状态从一个状态移动到另一个状态，逐个处理字符。当它达到最终状态时，您知道您的字符串是否为数字。
如需了解更多信息，请参阅FSM 和Automata-based_programming
【讨论】：
我不明白它怎么能比以下更简单或更容易阅读：
Integer.parseInt()
或
Double.parseDouble()
它们完全按照您的描述进行，包括为无效输入抛出异常。
关于性能：我希望正则表达式的效率低于上述。
【讨论】：
只要我的 5 美分 :) 一般来说，正则表达式语言不仅仅用于解析整数或字符串，它是一个非常强大的工具，可以识别任何“正则表达式”。它让我想起了我的大学时光（还记得 Automatas Theory 课程吗？:)，但这里是 link，它描述了常规语言的真正含义
现在由于它构建 FSM 引入了一些开销，所以对于Integer.parseInt 正则表达式引擎可能不是一个好的替代品，而且 Java 引入了更具体的 API。
然而，当我们处理更复杂的表达式并且我们有很多表达式时，正则表达式有好处。
必须明智地使用正则表达式。 模式必须始终编译（否则不能有效地重用，因为每次编译模式都会消耗性能）
我建议在更复杂的输入上运行测试，看看会发生什么。
【讨论】：
嗯，很难确定，但在一般情况下，与显式字符检查相比，正则表达式不太可能更有效。 RE 是最终状态自动机，因此自动机的构建和维护有一些开销。在我的实践中，显式代码总是比正则表达式更快（因此更高效）。
但这是两难的。从交付时间的角度来看，正则表达式几乎总是更有效，并且在正确使用时更具可读性。这是另一个困境。我很少看到正确正则表达式的用法......
在您的场景中，我建议使用番石榴库：
boolean isValid = DIGIT.matchesAllOf("1234");
【讨论】：
最后，它确实在遍历字符串并检查每个字符，试图为提供的模式找到匹配项。此外，它使用回溯（如果有很多可能匹配的方法，引擎会尝试所有方法），这可能会导致某些不寻常情况下的性能非常差（您不太可能遇到这种情况，但理论上可能）。 java正则表达式引擎的最坏情况下的性能是O(2N)，其中N是输入字符串的长度。
有一些算法可以更快地提供 O(N) 性能，但与 Java 正则表达式相比功能更少。
Here是一篇详细讨论这个问题的文章。
但在大多数情况下，正则表达式引擎不会成为您应用程序的性能瓶颈。它足够快，所以通常不用担心它，除非你的分析器指向它。它提供了算法的声明性描述，这非常有用，因为几乎总是迭代算法实现会更冗长且可读性更低。
【讨论】：
具体回答您的问题：
为什么不对一些复杂的文本应用正则表达式模式匹配，然后尝试自己编写相同的匹配代码。
看看哪个更快。
答案：正则表达式。
【讨论】：