如何优化正则表达式模式？答案

【问题标题】：How to optimize a regex pattern?如何优化正则表达式模式？
【发布时间】：2023-04-01 07:36:01
【问题描述】：

我正在尝试从文本中获取子字符串并使用正则表达式。示例文本：

bla bla 1:30-2pm bla bla 5-6:30am 一些文字 1-2:15am

我正在寻找时间框架条目（1-30-2pm...）。将它们加粗只是为了便于阅读

这是我的正则表达式：

\d{1,2}(:\d{1,2})? – \d{1,2}(:\d{1,2})?(am|pm)

java sn-p:

public static List<String> foo(String text, String regex) {
    List<String> entries = new ArrayList<>();
    Matcher matcher = Pattern.compile(regex).matcher(text);
    while (matcher.find()) {
        entries.add(matcher.group());
    }
    return entries;
}

你能帮我优化正则表达式模式吗？可能有一些我错过的用例。

【问题讨论】：

标签： java regex text regex-lookarounds regex-group

【解决方案1】：

如果我们想优化我们的表达式，我们可能想要添加可选空格，以防我们的输入可能有任何额外的空格，除此之外，您的表达式看起来很棒：

(\d{1,2})(:\d{1,2})?(\s+)?-(\s+)?(\d{1,2})(:\d{1,2})?(am|pm)

如果我们希望获取数据，我们还添加了捕获组。

Demo 1

或者：

(\d{1,2})(:\d{1,2})?(\s+)?(am|pm)?(\s+)?-(\s+)?(\d{1,2})(:\d{1,2})?(\s+)?(am|pm)

Demo 2

随心所欲。

测试

import java.util.regex.Matcher;
import java.util.regex.Pattern;

final String regex = "(\\d{1,2})(:\\d{1,2})?(\\s+)?-(\\s+)?(\\d{1,2})(:\\d{1,2})?(am|pm)";
final String string = "bla bla 1:30-2pm bla bla 5-6:30am some text 1-2:15am\n"
     + "bla bla 1:30 - 2pm bla bla 5  - 6:30am some text 1 - 2:15am";

final Pattern pattern = Pattern.compile(regex, Pattern.MULTILINE | Pattern.CASE_INSENSITIVE);
final Matcher matcher = pattern.matcher(string);

while (matcher.find()) {
    System.out.println("Full match: " + matcher.group(0));
    for (int i = 1; i <= matcher.groupCount(); i++) {
        System.out.println("Group " + i + ": " + matcher.group(i));
    }
}

正则表达式

如果不需要此表达式并且您希望对其进行修改，请访问此链接regex101.com。

正则表达式电路

jex.im 可视化正则表达式：

【讨论】：

感谢 jex.im

【解决方案2】：

我建议使用像这样的正则表达式

String regex = "(?i)(?<!\\d)(?:0?[1-9]|1[0-2])(?::[0-5]\\d)?\\p{Pd}(?:0?[1-9]|1[0-2])(?::[0-5]\\d)?[ap]m\\b";

见regex demo

详情

(?i) - 不区分大小写的标志（用于AM、PM、am、pm 值等）
(?<!\d) - 左边不允许有数字
(?:0?[1-9]|1[0-2]) - 一个可选的0，然后是从1 到9 的数字，或1，然后是0、1 或2
(?::[0-5]\d)? - 可选组：从0 到5 的数字，然后是任意一个数字
\p{Pd} - 任何连字符
(?:0?[1-9]|1[0-2])(?::[0-5]\d)? - 见上文
[ap]m\b - a 或 p 然后是 m 和一个单词边界。

【讨论】：