Java 如何优化这个正则表达式？

我有以下案文：

标签前bla bla bla aaaabbbbb bla bla bla abcdefh后

这个正则表达式：

label\W+(?:\w+\W+){1,60}?(?:.){0,}?(\<TAG1\>|\<TAG2\>)(?:.){0,}?\W+(?:\w+\W+){1,60}(?:.){0,}?(\<TAG2\>|\<TAG1\>)(?:.){0,}?

label\W+（？：\W+\W+{1,60}）（？：）{0，}（\\\）（？：）{0，}？\W+（？：\W+\W+{1,60}（？：）{0，}（？：）{0，}？

它完成了任务，工作如预期，但似乎没有真正优化

这是一个测试：

基本上，我必须找到一个标签，在N个单词之后我应该得到

或

，在N个单词之后我应该得到

或

注意：

---

必须将

或

视为单词的可能“子字符串”，这一点非常重要。有时它可以是

aaaabbbb

，有时直接是

。正如您在示例中看到的，它在这两种情况下都有效。

将正则表达式可视化通常有助于：

请注意，

（？：）{0，}？

是一种迂回的说法。现在也很容易看到，有两个相同的块可以合并，所以让我们来解决这个问题：

label\W+(?:(?:\w+\W+){1,60}?.*(\<TAG1\>|\<TAG2\>).*){2}

这与之前的模式不完全相同-它与示例字符串中的

之后的
不匹配（从您的描述中不清楚是否应该匹配）。如果要在第二个标记后保持匹配，只需在末尾添加一个
*


综上所述，它看起来很像是在解析一个复杂的语法（即a），就是这样。如果您发现自己正在编写和重写正则表达式，试图使其捕获所需的数据，则可能需要升级到适当的上下文解析器

特别是，无论是正则表达式还是我的调整都不会强制执行
N
每次都是相同的。您的描述听起来似乎只想匹配第一个标记前面有
N
个单词的字符串，而在第一个标记和第二个标记之间正好有
N
个单词。对于正则表达式，这种匹配可能是可能的，但它肯定不是干净的。如果这是一个要求，正则表达式可能不是正确的工具。
所有的“n单词”内容似乎都是多余的，因为您已经在标记之前、之间和之后匹配了“any”。我不必解析HTML文档。和是我需要检查的单词示例。但是它可以被“狗”和“猫”代替。然而，我的目标是一种文本挖掘，我必须找到特定的模式并提取内容。什么是适合您的工具？我没有说您正在解析HTML文档，我说您可能正在解析非常规语言（HTML是此类语言的常见示例）。一种流行的语法生成器和解析器是，但还有许多其他的。
label\s+(?:(?:\w+\s*)+(\<TAG1\>|\<TAG2\>)\w*){2}