正则表达式性能优化提示和技巧 [关闭]答案

【问题标题】：Regex Performance Optimization Tips and Tricks [closed]正则表达式性能优化提示和技巧 [关闭]
【发布时间】：2010-11-18 03:23:17
【问题描述】：

在阅读了一篇相当不错的article 关于 java 中的正则表达式优化之后，我想知道创建快速高效的正则表达式的其他好技巧是什么？

【问题讨论】：

我想提一下Boolean Sequence，它目前支持的RE符号较少，但它们快速灵活，并且充满了许多有用的功能。您可以编写自己的匹配器来添加更多功能或使它们更快。它们还进行自动优化，您可以看到它们是如何使用 json 或基于 json 的图表进行评估的。

标签： regex performance optimization

【解决方案1】：

谨慎使用任何（点）运算符，如果你能以任何其他方式做到这一点，那就去做吧，点总是会咬你...

我不确定 PCRE 是否是 NFA，我只熟悉 PCRE，但是 + 和 * 通常默认情况下是贪婪的，它们会尽可能匹配以扭转这种情况使用 +？和 *？为了尽可能少地匹配，请在编写正则表达式时牢记这两个子句。

【讨论】：

【解决方案2】：

知道何时不使用正则表达式——有时手工编码的解决方案更有效且更易于理解。

示例：假设您想要匹配一个可以被 3 整除的整数。设计一个有限状态机来完成此操作很简单，因此必须存在相应的正则表达式，但将其写出来并不是那么简单——而且我肯定不想调试它！

【讨论】：

是的......但在某些数字系统中它是微不足道的。 :-P
你的意思是：(((0|3|6|9)|((1|4|7)(0|3|6|9)*(2|5|8)))|(((2|5|8)|((1|4|7)(0|3|6|9)*(1|4|7)))((0|3|6|9)|((2|5|8)(0|3|6|9)*(1|4|7)))*((1|4|7)|((2|5|8)(0|3|6|9)*(2|5|8)))))*? （是的，我做了一个 DFA，然后是 GNFA，然后是正则表达式：p）
在没有反向引用时使用快速实现。 swtch.com/~rsc/regexp/regexp1.html

【解决方案3】：

当您需要重复分组但不需要使用来自传统(capturing) 组的捕获值时，请使用非捕获组(?:pattern)。
在适用时使用atomic group（或非回溯子表达式）(?>pattern)。
避免catastrophic backtracking 像瘟疫一样通过设计正则表达式来提前终止不匹配。

我制作了一个视频来演示这些技术。我从catastrophic backtracking 文章(x+x+)+y 中写得很糟糕的正则表达式开始very。然后经过一系列优化，我将其速度提高了 300 万倍，每次更改后进行基准测试。该视频特定于 .NET，但其中许多内容也适用于大多数其他正则表达式风格：

.NET Regex Lesson: #5: Optimization

【讨论】：