Java 模式包含（？：.|\s）*的正则表达式搜索？需要越来越长的时间

我的正则表达式需要越来越长的时间来匹配（第五次约30秒），但需要进行大约500轮的匹配。 我怀疑是灾难性的回溯。 请帮忙！如何优化此正则表达式：

String regex = "<tr bgcolor=\"ffffff\">\\s*?<td width=\"20%\"><b>((?:.|\\s)+?): *?</b></td>\\s*?<td width=\"80%\">((?:.|\\s)*?)(?=(?:</td>\\s*?</tr>\\s*?<tr bgcolor=\"ffffff\">)|(?:</td>\\s*?</tr>\\s*?</table>\\s*?<b>Tags</b>))";

String regex=“\\s*？（（？：.| \\s）++）：*？\\s*（（？：.| \\s）*？）（？=（？：\\s*？\\s*））|（？：\\s*？\\s*？\\s*？标记））；

编辑：因为不清楚（我的错）：我正试图获取一个html格式的文档，并通过提取两个搜索组并在之后添加格式化来重新格式化。

交替

（？：.|\\s）+？

非常低效，因为它涉及太多回溯

基本上，这种模式的所有变体都是非常低效的：

（？：.|\s）*？

，

（？：.|\n）*？

，

（？：.|\r\n）*？

，

（？：.|\s）*

，

（？：.|\n）*

，

（？：。\r\n）*

<代码>（.|\s）*？可能是其中最糟糕的

为什么？

两个备选方案，

和

\s

可以在同一位置匹配同一文本，两者至少匹配规则空格。请参见完成3555个步骤和完成1335个步骤

Java中的

（？：.|\n）*？

/

（？：.|\n）*

等模式通常会导致错误，这里的主要问题是使用交替（已经单独导致回溯）逐字符匹配，然后使用未知长度的量词修改组。尽管某些正则表达式引擎可以处理此问题，并且不会抛出错误，但这种类型的模式仍然会导致速度减慢，因此不建议使用（仅在ElasticSearch Lucene正则表达式引擎中，

（.|\n）

是匹配任何字符的唯一方法）

解决方案

如果要将任何字符（包括空格）与正则表达式匹配，请使用

[\\s\\S]*?

或者使用

（？s）

（或

模式.DOTALL

匹配器

选项）启用单线模式，只需使用

（例如

（？s）开始（.*）结束

）

---

注意：要操作HTML，请使用专用解析器，如jsoup。下面是一篇讨论SO的帖子。

通常的答案是：不要在HTML或XML上使用regexp…@Bruce然后你将如何解决这种问题？你有

（？：。|\\s）+？

，这是非常低效的。将其更改为

+？

并使用

模式.DOTALL

（或模式开头的

（？s）

）要好得多（或者如果您不想使用DOTALL标志，只需使用

[\\s]+？

）。但是使用jsoup或其他基于HTML解析器的解决方案是最好的。@Stribizev谢谢，我会检查它是否足够快，或者我是否会更改我的解决方案。事实上，有70K行需要匹配。在Java中，始终使用内联标志使点匹配任何字符。它的开销比字符类小solution@DeVeXD3VeX：实际上，这在所有情况下都是正确的：使用内置结构/类型/类可以获得最佳性能。因此，

（？s）

与

匹配任何包含换行符的字符都是可取的。@Stribizev再次感谢！你真的加快了我的正则表达式的速度，从每次比赛5分钟的时间成指数增加到5秒左右