我写了这个正则表达式来解析 srt 文件中的条目。
(?s)^\d++\s{1,2}(.{12}) --> (.{12})\s{1,2}(.+)\r?$
我不知道这是否重要,但这是使用 Scala 编程语言(Java 引擎,但是是文字字符串,这样我就不必加倍反斜杠)完成的。
使用 s{1,2}
是因为有些文件只有换行符 \n
而其他文件会有换行符和回车符 \n\r
第一个 (?s)
启用 DOTALL
模式,以便第三个捕获组也可以匹配换行符。
我的程序基本上使用 \n\r?\n
作为分隔符来破坏 srt 文件,并使用 Scala 良好的模式匹配功能来读取每个条目以进行进一步处理:
val EntryRegex = """(?s)^\d++\s{1,2}(.{12}) --> (.{12})\s{1,2}(.+)\r?$""".r
def apply(string: String): Entry = string match {
case EntryRegex(start, end, text) => Entry(0, timeFormat.parse(start),
timeFormat.parse(end), text);
}
示例条目:
一行:
1073
01:46:43,024 --> 01:46:45,015
I am your father.
两行:
160
00:20:16,400 --> 00:20:19,312
<i>Help me, Obi-Wan Kenobi.
You're my only hope.</i>
问题是,探查器告诉我,这种解析方法是迄今为止我的应用程序中最耗时的操作(它进行密集的时间计算,甚至可以比读取和解析文件快几倍的速度重新编码文件项)。
那么任何正则表达式向导都可以帮助我优化它吗?或者,也许我应该牺牲正则表达式/模式匹配的简洁性并尝试使用老派的 java.util.Scanner
方法?
干杯,
最佳答案
(?s)^\d++\s{1,2}(.{12}) --> (.{12})\s{1,2}(.+)\r?$
在 Java 中,$
表示输入的结束或紧接在输入结束之前的换行符的开始。 \z
意味着输入的明确结束,所以如果这也是 Scala 中的语义,那么 \r?$
是多余的并且 $
可以同样。如果你真的只想要最后一个 CR 而不是 CRLF,那么 \r?\z
可能会更好。
(?s)
还应该使 (.+)\r?
变得多余,因为 +
是贪婪的, .
应始终展开以包含 \r
。如果您不希望 \r
包含在第三个捕获组中,则使匹配变得惰性:(.+?)
而不是 (.+)
.
也许
(?s)^\d++\s\s?(.{12}) --> (.{12})\s\s?(.+?)\r?\z
将在 JVM 中运行的正则表达式的其他高性能替代方案 &| CLR 包括 JavaCC和 ANTLR .对于仅 Scala 的解决方案,请参阅 http://jim-mcbeath.blogspot.com/2008/09/scala-parser-combinators.html
关于java - 这个正则表达式可以进一步优化吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7115389/