Java中长字符串的正则表达式模式匹配性能

我有一个正则表达式，它在找到匹配项时工作得很好（500纳秒），但在没有匹配项时需要很多时间（超过3秒）。我怀疑这可能是因为回溯。我尝试了一些选项，比如根据一些文档将

*

转换为

（.*）

，但没有帮助

输入：非常长的字符串-在某些情况下为5k字符

要匹配的正则表达式：

*substring1.*substring2.

我正在预编译模式并重新使用matcher，我还可以尝试什么

下面是我的代码片段——我将使用数百万个不同的输入字符串调用此方法，但只使用少数几个正则表达式模式

private static HashMap<String, Pattern> patternMap = new HashMap<String, Pattern>();
private static HashMap<String, Matcher> matcherMap = new HashMap<String, Matcher>();

使用

String.indexOf（）。您可以将问题重新编码为：

public static boolean containsStrings(String source, String string1, String string2) {
  long pos1, pos2;
  pos1 = source.indexOf(string1);
  if(pos1 > -1) {
    pos2 = source.indexOf(string2,pos1 + string1.length);
    if(pos2 > pos1 && source.indexOf(string1,pos2 + string2.length) < -1) {
      return true;
    }
  }
  return false;
}

public静态布尔值包含字符串（字符串源、字符串string1、字符串string2）{
长pos1，pos2；
pos1=source.indexOf（string1）；
如果（位置1>-1）{
pos2=source.indexOf（string2，pos1+string1.length）；
if（pos2>pos1&&source.indexOf（string1，pos2+string2.length）<-1）{
返回true；
}
}
返回false；
}

请注意，我的解决方案不处理
string2
包含在
string1
中的情况，如果是这种情况，您需要将其添加到逻辑中。
如果使用
indexOf（）
，您可以验证模式是否匹配：


当正则表达式不匹配时，您将得到灾难性的回溯。事实上，您的模式可能会进行很多回溯，即使在有匹配的情况下也是如此。
*
将耗尽整个字符串，然后需要返回，不情愿地返回字符

如果您的字符串看起来像：
substring1 substring2…….50000个字符……
，那么您将使用lazy
*？
获得更好的性能。请注意，
（.*）
与
*？
不同

正则表达式的性能取决于子字符串是什么以及它们与什么匹配。如果字符串看起来像：
substring1…….50000个字符。。。。。。子字符串2
，则您将使用现有的
*
获得更好的性能。
正如您所暗示的，您的正则表达式存在一个称为灾难性回溯的问题。基本上，第一个
*
将匹配整个字符串，然后回溯到
子字符串1
匹配为止。这将在
子字符串2
中重复。因为
子字符串2
失败，第二个
*
将需要找到另一个
子字符串2
开始匹配的位置，然后它将再次失败。每次
substring1
匹配时，我们都需要检查
substring2
可能匹配的每个位置

您已经在使用
模式.find（）
，因此可以省略开头和结尾
*
。然后，将内部的
*
更改为
*？
可以通过将贪婪匹配器变为懒惰匹配器来提高性能

这将生成：
substring1.*？substring2
^（（？！substring1）。）*substring1（（？！substring2）。*substring2.*\Z

应该这样做，因为一个字符串多次包含一个子字符串，但不是按顺序同时包含两个子字符串，它不会回溯到令人厌恶的地方。如果不需要匹配器在输入结束时结束，则可以将。*？\Z放在末尾。
您的目标是什么？您需要使用正则表达式吗？请出示您的code@Pshemo-是的，我必须使用正则表达式。是否有需要的原因。*前后？如果使用find（）而不是match（），并去掉表达式中的.*前缀和后缀，应该会快得多。这些模式是硬编码的还是动态构建的？我可以建议使用展开模式，就像这个想法是好的一样，但是如果出现两次
string2
，一次在
string1
之前，一次在
string1
之后，这将失败。最好先找到
string1
，然后将其索引用作搜索
string2
的开始索引。不幸的是，这不起作用，因为我的函数应该能够处理任何正则表达式。谢谢你的回答。@user100001太糟糕了，在一个有20mb文本的真实案例中，我尽可能多地使用了
indexOf（）
和
contains（）
，而regex只用于复杂的案例。在大型文档上节省使用regex的性能提高了几个数量级。完美。这比我的正则表达式表现得更好。谢谢你的回答。
public static boolean containsStrings(String source, String string1, String string2) {
  long pos1, pos2;
  pos1 = source.indexOf(string1);
  if(pos1 > -1) {
    pos2 = source.indexOf(string2,pos1 + string1.length);
    if(pos2 > pos1 && source.indexOf(string1,pos2 + string2.length) < -1) {
      return true;
    }
  }
  return false;
}

int pos1 = str.indexOf("substring1");
int pos2 = str.indexOf("substring2", pos1);

if(pos1 != -1 && pos2 != -1){
  // regex
}