为什么正则表达式*在一个地方比较慢，在其他地方比较快？

原文地址: https://cloud.tencent.com/developer/ask/36730

我在java / groovy中使用了很多正则表达式。我经常使用regex101.com。显然我也在看正则表达式的性能。

有一点我注意到，.*正确使用可以显着提高整体性能。但是，.*在正则表达式的结尾处简直就是性能杀手。

例如，在这个正则表达式中，所需的步数是27：

 

如果我先改变.*到\s*，这将减少到16显著所需的步骤：

 

但是，如果我第二个变化.*来\s*，它没有任何进一步降低步骤：

 

问题：

1. 有什么区别？
2. 本网站提供的步骤计数器是否真的给出了正则表达式的性能问题？

写回答关注邀请回答

提问于 2018-01-25

为什么正则表达式*在一个地方比较慢，在其他地方比较快？

写回答关注

2 个回答

热门排序

•  
•  

用户回答回答于 2018-01-26

以下是从调试器输出。

性能差异的主要原因是.*会消耗一切，直到字符串结尾（除了换行符）。将继续，迫使正则表达式回溯（如第一个图片中所见）。

模式结尾的表现同样出色的原因在于\s，.*如果没有别的东西可以匹配（除了WS），那么greedy模式与消耗空白就没有区别了。

如果你的测试字符串没有以空格结尾，性能就会有所不同，就像你在第一个模式中看到的一样 - 正则表达式将被迫回溯。

如果以除空白外的其他内容结束，则可以看到性能差异：

^myname.*mahesh.*hiworld

 

更好：

^myname.*mahesh\s*hiworld

 

更好：

^myname\s*mahesh\s*hiworld

 

赞0收藏0评论0分享

用户回答回答于 2018-01-26

正则表达式引擎与*quantifier（又名greedyquantifier）一起工作的方式是匹配输入中的所有内容：

由于.匹配任何东西（几乎），遇到之后的第一个状态.*是将指针移动到输入的结尾处，然后开始通过输入一个字符一次一个字符地尝试下一个字词，直到匹配。

而且\s*，只有空白被消耗，所以指针最初被移动到你想要的地方 - 不需要跟踪下一个术语的回溯。

你应该使用.*?，这将消耗一个字符，直到下一个匹配，这应该有相同的时间复杂性\s*，但是稍微更有效，因为不需要检查当前字符。

\s*并且.*在表达式的末尾将执行类似的操作，因为两者都将消耗匹配的f输入的结尾处的所有内容，这使得两个表达式的指针是相同的位置。