java正规表达式相关问题

(1)Pattern pt=Pattern.compile("<//s*body[^>]*>.*?<//s*/body//s*>", Pattern.CASE_INSENSITIVE |Pattern.DOTALL);

Matcher mt=pt.matcher(htmlContent);

while(mt.find()){
                        String content = mt.group();
                        content = content.replaceAll("<//s*body[^>]*>", "").replaceAll("<//s*/body//s*>", "").replaceAll("/r|/n", "");
                        if(content.matches("//s*(<//s*p[^>]*>)*(&nbsp;)*//s*(null)*//s*(&nbsp;)*(<//s*/p>)*//s*"))
                            return true;
                    }

 

 

如果用以下语句的话:

(2)Pattern pt=Pattern.compile("<//s*body[^>]*>(.|/n|/r)*?<//s*/body//s*>", Pattern.CASE_INSENSITIVE );

Matcher mt=pt.matcher(htmlContent);

while(mt.find()){
                        String content = mt.group();
                        content = content.replaceAll("<//s*body[^>]*>", "").replaceAll("<//s*/body//s*>", "").replaceAll("/r|/n", "");
                        if(content.matches("//s*(<//s*p[^>]*>)*(&nbsp;)*//s*(null)*//s*(&nbsp;)*(<//s*/p>)*//s*"))
                            return true;
                    }

但内容足够大时,因为mt.group();是通过递归查询符合正规的字符,但(.|/n|/r)*?是通过三个分支查找,当内容足够大

而内在不够大时会造成内存溢出,因此用语句(1)的表达式做正规匹配一次性匹配更可以提高性能,也不会造成内存溢出

 

 

Pattern.CASE_INSENSITIVE——启用不区分大小写的匹配。(? i)

Pattern.COMMENTS——允许在模式中使用空白和注释。(? x)

Pattern.DOTALL——启用dotall模式。在dotall模式下，表达式.匹配任何字符，包括行终止符。默认情况下，这个表达式不匹配行终止符。(? s)

Pattern.LITERAL——启用模式的字面量解析。指定了这个标志时，指定模式的输入字符串被当作字面量字符的序列。输入序列中的元字符或者转移 序列没有特殊含义。和这个标志结合使用时，标志CASE_INSENSITIVE和UNICODE_CASE保留它们对匹配的影响。

Pattern.MULTILINE——启用多行模式。在多行模式下，表达式^和$分别正好在行终止符或者输入序列的末尾的之前或者之后。默认情况下，这些表达式只匹配整个输入序列的开头和结尾。也可以通过嵌入标志表达式(? m)启动多行模式。

 

  嵌入标志表达式

常    量	等效的嵌入标志表达式
Pattern.CANON_EQ	无
Pattern.CASE_INSENSITIVE	(?i)
Pattern.COMMENTS	(?x)
Pattern.MULTILINE	(?m)
Pattern.DOTALL	(?s)
Pattern.LITERAL	无
Pattern.UNICODE_CASE	(?u)
Pattern.UNIX_LINES	(?d)