正则表达式优化

87 阅读 0 评论 58 点赞

我是靠谱客的博主深情刺猬，最近开发中收集的这篇文章主要介绍正则表达式优化，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

正则表达式的优化在Jeffrey E. F. Friedl 的<<精通正则表达式>>中提到了几种技巧。今天着重说一种比较实用的。

比较简单的：

在类似 .* 或者 [sS]＊中匹配的时候，量词* 默认是贪婪的，启用最大匹配模式，会匹配到尽量多的字符串，如果我们的需求是匹配text中的text，这样就不适用了。具体来说，我们假设这个正则表达式是： .*但是如果目标字符串很长 textssssssssssss....(此处省略100000个s) 这样就很悲催，.* 会匹配后面所有的字符串，也就是 100000+ 的字符串，然后一个一个回朔，回朔100000多次之后才正确匹配

很显然这种量词最大匹配的模式效率很差，当然字符串小的话无所谓，可以用?号开启最小匹配模式。优化后的表达式是 .*? ，让＊号默认从小的开始，就是匹配一个字符之后，将后面的跟进行对比。这样4次比较就哦了。

稍微复杂点的：

在书中，提炼出了一种匹配的通用模式

normal*(specail normal*) 咋一看不知道什么意思，简单的说就是让normail尽量多的匹配正常的文本，然后摘出需要特殊处理的字符，增加对非常规字符的处理。我们举一个例子来说明这种问题。

还是匹配text 一般的，严格一点，我们使用 (?!</?b>.)*来匹配只要中间不出现或者都认为结束了，但是这是一个串匹配的过程，效率还不是最优的。

用通用模式来实现可以写成：

#匹配开头的

(?>[^<]*) #匹配任意数量的normal

(?> #固化分组

(?!</?b>) ＃锚定不是需要标签的字符

< ＃特殊字符

[^<]* ＃匹配任意数量的normal

)* ＃

＃匹配尾部的

这种模式的核心思想视永不回朔，永远向前匹配，技巧性很强，你得先分析出什么字符可以作为specail的，在本例中，使用了< 字符，应为的第一个字符就是 < , 把中间的内容都跟<比，中间内容可能含有<a><html>诸如此类的内容，要把<a>跟区分开来，使用了锚定，相当于在有< 的时候做下判断，是单字符比较，速度较快。