java - 使用大数据进行测试时，正则表达式需要花费大量时间

Question

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 token :

www.google.com google.com.google com.google.com

但是，上述正则表达式的问题是，在使用大字符串进行测试时需要花费大量时间。

我期望的标记采用“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？

Answer 1

您需要像这样简化正则表达式:

(?=\b((?:\p{Alnum}+\p{Punct}){2}\p{Alnum}+)\b)

请参阅regex demo .

详细信息:

• \b - 单词边界
• ((?:\p{Alnum}+\p{Punct}){2}\p{Alnum}+) - 第 1 组:
  • (?:\p{Alnum}+\p{Punct}){2} - 出现两次一个或多个字母/数字和一个标点符号，然后
  • \p{Alnum}+ - 一个或多个字母/数字
• \b - 单词边界

请注意，每个后续模式在字符串内的同一位置都不匹配，这使得它尽可能高效(尽管如此，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，从从左到右)。