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

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+)