Java 如何提高这个正则表达式的效率
我认为我使用的正则表达式模式可以整理一下,看起来更整洁一些,但我对正则表达式的了解有限。我想扫描并匹配输入文件中新行上的一系列字母和数字Java 如何提高这个正则表达式的效率,java,regex,parsing,java.util.scanner,Java,Regex,Parsing,Java.util.scanner,我认为我使用的正则表达式模式可以整理一下,看起来更整洁一些,但我对正则表达式的了解有限。我想扫描并匹配输入文件中新行上的一系列字母和数字 import java.io.File; import java.util.Scanner; import java.util.regex.*; public class App { public static void main(String[] args) throws Exception { if (args.length == 1
import java.io.File;
import java.util.Scanner;
import java.util.regex.*;
public class App {
public static void main(String[] args) throws Exception {
if (args.length == 1) {
String fileName = args[0];
String fileContent = new Scanner(new File(fileName))
.useDelimiter("\\Z").next();
ArrayList<Integer> parsedContent = new ArrayList<>();
parsedContent = parseContentFromFileContent(fileContent);
int firstInt = parsedContent.get(0);
int secondInt = parsedContent.get(1);
int thirdInt = parsedContent.get(2);
int fourthInt = parsedContent.get(3);
int fifthInt = parsedContent.get(4);
System.out.println("First: " + firstInt);
System.out.println("Second: " + secondInt);
System.out.println("Third: " + thirdInt);
System.out.println("Fourth: " + fourthInt);
System.out.println("Fifth: " + fifthInt);
return;
}
}
public static ArrayList<Integer> parseContentFromFileContent(String fileContent) {
ArrayList<Integer> parsedInts = new ArrayList<>();
String pattern = "(.+?).((?:\\d*\\.)?\\d+)?\\n..((?:\\d*\\.)?\\d+)?\\n(.+?).((?:\\d*\\.)?\\d+)";
Pattern p = Pattern.compile(pattern, Pattern.DOTALL);
Matcher m = p.matcher(fileContent);
if (m.matches()) {
// Group 1: Has to match two letters
switch (m.group(1)) {
case "ab":
parsedInts.add(1);
break;
case "cd":
parsedInts.add(2);
break;
case "ef":
parsedInts.add(3);
break;
}
// Group 2: Has to match a number
parsedInts.add(Integer.parseInt(m.group(2)));
// Group 3: Has to match a letter
parsedInts.add(Integer.parseInt(m.group(3)));
// Group 4: Has to match a single letter
switch (m.group(4)) {
case "a":
parsedInts.add(1);
break;
case "b":
parsedInts.add(2);
break;
case "c":
parsedInts.add(3);
break;
}
// Group 5: Has to match a number
parsedInts.add(Integer.parseInt(m.group(5)));
}
return parsedInts;
}
}
有没有更好(更干净)的正则表达式模式可以用来从上面的文件中捕获数据
pattern = (.+?).((?:\\d*\\.)?\\d+)?\\n..((?:\\d*\\.)?\\d+)?\\n(.+?).((?:\\d*\\.)?\\d+)
你目前的模式不是很精确,与你描述的相反。有很多
+?
,但是您的描述非常清楚地说两个字母
或总是a=
——因此您可以在您的模式中使用它。您的模式还包含十进制数,而显示的输入中没有十进制数,因此您可以删除(?:\\d*\\)?
。此外,所有数字匹配模式都是可选的,但根据您的描述,X不应该
如果你完全按照字面理解你的模式,一个可能的模式就是
([a-z]{2})-(\\d+)\\n[Aa]=(\\d+)\\n([a-z])-(\\d+)
看
请注意,如果可能存在恶意输入,您可能需要稍微调整模式(例如使用
^
和$
) 除非正则表达式包含回溯,并且您可以删除它,否则实际上没有优化正则表达式这样的事情。您可以优化它的外观,但所有执行相同操作的正则表达式都编译为相同的DFA或等效DFA,并具有相同的性能。在您的模式中,您使用了大量的+?
,其中您的描述中显示了两个字母或始终是a=
-您可以像描述一样具体,所以使用[a-z]{2}
或a=
。此外,您的正则表达式还包含十进制数,而显示的输入中没有十进制数,因此您可以删除(?:\\d*\\)?
。此外,所有的数字匹配模式都是可选的,为什么?因此,如果您的输入总是按照这里显示的方式进行,那么您可能会像java中使用的双反斜杠一样具体。这很好。谢谢@SebastianProskeI没有能力将此答案标记为正确答案,因为它不是答案,只是要求澄清的评论。由于我所有的假设似乎都是正确的,我会在几分钟后写一个答案,只是先去吃晚饭:)错。它们要么编译为dfa,要么编译为nfa,并且它们的性能不同。例如,如果在文本编辑器中搜索regexp,则文本编辑器可能会将regexp编译为NFA,并将传递闭包应用于非确定性搜索,或者可以将传递闭包应用于NFA,并获得非优化DFA,并应用确定性搜索。如果在这两种情况下都没有优化DFA/NFA,则速度会变慢,因为边/ε边的数量会变大。可以肯定的是,如果编译器编译为NFA并动态应用t.c,则速度会变慢(如果未优化)。如果编译成DFA,很难说它们是否具有相同的性能。
([a-z]{2})-(\\d+)\\n[Aa]=(\\d+)\\n([a-z])-(\\d+)