正则表达式在使用大数据进行测试时会花费大量时间
Regex taking a lot of time when tested with large data
我创建了一个 java 正则表达式
(?=\b((?<![^\p{Alnum}\p{Punct}])(?:\p{Alnum}+\p{Punct}\p{Alnum}+){2})\b)
我针对示例字符串测试了此正则表达式：https://www.google.com.google.com
它给了我所有预期的标记：
www.google.com google.com.google com.google.com
但是，上述正则表达式的问题在于，在使用大字符串进行测试时会花费大量时间。
我期望的标记是“字母数字标点符号字母数字”的形式。
如何优化这个正则表达式？
您需要像这样简化正则表达式：
(?=\b((?:\p{Alnum}+\p{Punct}){2}\p{Alnum}+)\b)
参见regex demo。
详情:
\b - 单词边界((?:\p{Alnum}+\p{Punct}){2}\p{Alnum}+) - 第 1 组：
(?:\p{Alnum}+\p{Punct}){2} - 一个或多个 letters/digits 和一个标点字符出现两次，然后是 \p{Alnum}+ - 一个或多个 letters/digits
\b - 单词边界
请注意，每个后续模式都不会在字符串内的相同位置匹配，这使得它尽可能高效（不过，重叠模式的性能并不是那么好，因为它们必须评估字符串内的每个位置, 从左到右).
我创建了一个 java 正则表达式
(?=\b((?<![^\p{Alnum}\p{Punct}])(?:\p{Alnum}+\p{Punct}\p{Alnum}+){2})\b)
我针对示例字符串测试了此正则表达式：https://www.google.com.google.com
它给了我所有预期的标记：
www.google.com google.com.google com.google.com
但是，上述正则表达式的问题在于，在使用大字符串进行测试时会花费大量时间。
我期望的标记是“字母数字标点符号字母数字”的形式。
如何优化这个正则表达式？
您需要像这样简化正则表达式：
(?=\b((?:\p{Alnum}+\p{Punct}){2}\p{Alnum}+)\b)
参见regex demo。
详情:
\b- 单词边界((?:\p{Alnum}+\p{Punct}){2}\p{Alnum}+)- 第 1 组：(?:\p{Alnum}+\p{Punct}){2}- 一个或多个 letters/digits 和一个标点字符出现两次，然后是\p{Alnum}+- 一个或多个 letters/digits
\b- 单词边界
请注意，每个后续模式都不会在字符串内的相同位置匹配，这使得它尽可能高效（不过，重叠模式的性能并不是那么好，因为它们必须评估字符串内的每个位置, 从左到右).