java - 模式搜索性能差

Question

我正在使用正则表达式针对大小仅约 106 MB 的目录搜索非常具体的模式。大约需要 10 秒才能完成。

我可以做些什么来提高性能吗？

package com.JFileReader;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class FileData {

    public static void main(String[] args) {
        File dir = new File("/Users/me/Desktop/");

        if(dir.isFile()) { handleFile(dir); }
        if(dir.isDirectory()) { handleDir(dir); }
    }

    public static void handleFile(File aFile) {
        String regex = "[a-zA-Z]+[.][a-zA-Z]+[@][a-zA-Z]+[.][a-zA-Z]+";
        Pattern pattern = Pattern.compile(regex);

        try {
            BufferedReader br = new BufferedReader(new FileReader(aFile));
            Matcher m; 

            String line;
            while ((line = br.readLine()) != null) {
                m = pattern.matcher(line);
                if (m.find()) {
                    System.out.println("Found: " + aFile);
                }
            }
            br.close();
        } catch (IOException ioe) {
            ioe.printStackTrace();
        }
    }

    public static void handleDir(File dir) {
        for (File file : dir.listFiles()) {
            if(file.isFile()) { handleFile(file); }
            if(file.isDirectory()) { handleDir(file); }
        }
    }
}

Answer 1

您可以使用所有格量词:

String regex = "[a-zA-Z]++\\.[a-zA-Z]++@[a-zA-Z]++\\.[a-zA-Z]++";

当您使用所有格量词时，正则表达式引擎不会记录回溯位置，并且在匹配失败时永远不会返回尝试其他可能性。