[性能优化]-04java编程-避免正则表达式引发的回溯问题

正则表达式
一、是什么？
	就是一个概念，不同语言有不同的实现。
	就是一个公式，使用一些特定的“元字符”来检索、匹配、替换符合规则的字符串。
		元字符，如普通字符、标准字符、限定字符、定位字符等

二、正则表达式 引擎
	工作流程：程序对“公式”进行语法分析，并建立语法分析树。根据语法分析树 结合 正则表达式的引擎生成 执行程序（这个执行程序，叫做状态机/自动机），用于字符串匹配。
	正则表达式引擎，就是一套核心算法，用于建立状态机。
	
	状态机的分类（编程语言中的正则表达式库，都是基于NFA实现的。）
		DFA自动机（Deterministic Final Automata 确定有限状态自动机）
			缺点：构造代价高
			优点：效率快。若字符串长度是n，则匹配时间复杂度O（n）
		NFA自动机（Non Deterministic Final Automata 非确定有限状态自动机）
			优点：构造代价低
				支持高级功能（如捕获group、环视、占有优先量），高级功能都是基于子表达式独立进行匹配。
			缺点：效率慢（匹配过程存在 分支、回溯）。若字符串长度是n，且状态数为s，则匹配时间复杂度O（ns）。
			原理
				匹配流程？
				存在问题？回溯。源于，贪婪特性
				避免 回溯？公式中使用+、？、*、{min，max}等时，不同模式的处理方式不同
					1、贪婪模式 Greedy。最大限度匹配更多内容，且回溯
						text=“abbc” 
						regex=“ab{1,3}c”   //匹配3个b
					2、懒惰模式 Reluctant。尽可能少的匹配，避免回溯。通过？开启。
						text=“abc” 
						regex=“ab{1,3}?c”   //匹配1个b
					3、独占模式 Posssessive。最大限度匹配更多的内容，但不回溯。通过+开启。
						text=“abbc” 
						regex=“ab{1,3}+bc”
				避免回溯？开启懒惰模式、或独占模式

三、正则表达式的优化
1、少用贪婪模式，多用独占模式
	避免回溯
2、减少分支选择
	1）考虑顺序。常用选项放前面，快速匹配
	2）提取公共部分。(abcd|abef)替换为ab(cd|ef)。优先匹配ab，若无则放弃。
	3）简单分支用index。三次index效率可能优于(X|Y|Z)
3、减少捕获嵌套
	捕获组，正则表达式中，子表达式参与匹配，并将匹配的结果放入数字编号/显示命名的数组中，方便后面使用。一个()就是一个捕获组，支持嵌套。
		例子//编号0，代表匹配的整个内容
        String reg = "(<input.*?>)(.*?)(</input>)";
	非捕获组，参与匹配，不获取某分组的内容。表达式一般为 (?:exp)
		例子//用(?:X) 代替 (X)
        String reg = "(?:<input.*?>)(.*?)(?:</input>)";


应用场景：如，注册页面中手机号校验、邮箱校验

总结，尽可能不用正则表达式，除非你已经做好性能排查。

任何一个细节问题，都有可能导致性能问题，根本原因是我们对这项技术的了解不够透彻。掌握方法论，学会透过现象看本质。