Java 优化正则表达式

我正在使用以下代码来丢弃连接到大型ISP网络的路由器不支持的物理接口/子接口（我指的是数以万计的路由器）：

private final静态模式接口到过滤器=
模式编译（“未路由VLAN |千兆以太网+-mpls层|快速以太网+-802\\.1Q VLAN子IF”）；
//简化
列出接口；
//大量不相关的代码用于查询路由器
for（字符串intf：接口）{
if（接口\u到\u FILTER.matcher（intf.find（））{
//防止使用接口的代码
} 
}

我们的想法是放弃以下条目：

• GigabitEthernet2/11.2000的未路由VLAN 2000
• 千兆以太网1/2-mpls层
• FastEthernet6/0/3.2000-802.1Q vLAN子接口

这段代码在庞大的接口集（一些路由器有50k+子接口）上经常被命中（每分钟几次），缓存也没有多大帮助，因为新的子接口经常被配置/丢弃。计划是优化正则表达式，使过程完成得更快一点（每纳秒计数一次）。你们能启发我吗

---

注意：

mpls层

和

802.1Q

支持其他类型的接口，

未路由的VLAN

不受支持。

有一些字符串搜索算法，允许您尝试在长度为n的字符串中搜索k个字符串，同时比明显的O（n*k）成本更低

他们通常将滚动哈希与单词的现有哈希列表进行比较。这方面的一个主要例子是。wiki页面甚至有一个关于这一点的部分。还有更高级的原理版本，但很容易理解

不知道Java中是否已经有这样的库（我想是的），但我会尝试这样做——虽然这里5个字符串相当小（不同的大小也使它更复杂）。所以最好检查一个好的KMP字符串搜索是否更快——我认为这是目前为止最好的解决方案（默认的JavaAPI使用简单的字符串搜索，所以使用lib）

关于您的正则表达式：针对性能关键型搜索代码的回溯正则表达式实现？我怀疑这是个好主意

---

附言：如果你为你的问题发布一个测试集和一个测试工具，很有可能有人会看到他们能在多大程度上击败最受欢迎的人，他们以前做过。。人性很容易被欺骗：）

如果你的问题是你有很多长字符串常量要搜索，我建议你使用Java模拟的标准C工具“lex”

---

快速的谷歌搜索把我带到了。我没有使用过此特定工具，可能还有其他可用工具，但这是我要寻找的工具类型的一个示例。

如果您必须为此使用正则表达式，请尝试更改为此工具：

^(?:unrouted VLAN)|(?:GigabitEthernet.+?-mpls layer)|(?:FastEthernet.+?-802\.1Q vLAN subif)

^

使引擎从字符串开始匹配，而不是字符串中的任何位置

+？

使

+

解除冻结

---

（？：…）

makes

（）

非捕获组

我在回答我自己的问题，以供进一步参考，尽管学分归@piotrekkr，因为他是指明方向的人。我也为@JB和@ratchet感到荣幸。我最终使用了

matches（）

，而使用

indexOf

和几个

contains

的逻辑几乎同样快（这对我来说是新闻，我一直认为一个正则表达式比几个

contains

调用要快）

下面是一个速度快了好几倍的解决方案（根据profiler，在

Matcher

类方法上花费的时间减少了约7倍）：

---

为什么不先分离出应该匹配的字符串，并检查您是否只使用了string.contains而不是regex？您提供的这些条目是完整的行或从行中间提取的一些单词？我不知道，但很容易测试它是否值得。您也可以使用indexOf，只测试在“GigabitEthernet”索引+15（15是“GigabitEthernet”的长度）之后找到“-mpls-layer”，这样就不会

matches（）

工作，这不会在每个位置都尝试（只尝试了1个匹配，而不是

intf.length（）

），谢谢@Voo。我会深入研究的。至于测试工具，我不确定我能做什么，可能会在这些树字符串上迭代5.000.000次，并用

System.nanotime（）

：D记录时间。我对基准测试lol不太满意。如果明天我对它不满意，我会用测试lol:D更新代码。@Anthony Yeah用java编写基准测试并不容易。应该让它更容易，但我没用过。如果你想要一个合理的基准测试，克里夫的其中一个应该会对你有所帮助。一般来说，我建议：一个接口

boolean valid（String s）

，由候选测试实现，然后你只需检查一些典型的输入字符串（并检查结果！）。最简单的方法是从您单独提供的文件中读取输入，毕竟它应该是您常用数据的代表，所以我们不能在那里生成随机字符串。总的来说：永远不要优化你无法衡量的东西，所以这真的应该是你要做的第一件事。。别担心，如果您发布第一个版本，我们会指出一些问题；-）哈哈哈。。。这就是为什么我不写基准测试。。。我正在使用一个分析器来测量我自己的代码：D.@Anthony，这也行得通，尽管根据我的经验，比较大型应用程序之间的运行是一个相当大的问题——即相同的代码，相同的数据从一个调用到另一个调用会运行快20%或慢20%——这就是JITing、OSR等的问题。但是对于较大的差异，使用探查器应该给出一个比较准确的图片是的。好吧，lex最终会为他创建一个FSM，好吧。。正则表达式已经在做这件事了…说得好。我想使用lex工具有两个原因：（1）我希望该工具能更好地处理optimi

^(?:unrouted VLAN)|(?:GigabitEthernet.+?-mpls layer)|(?:FastEthernet.+?-802\.1Q vLAN subif)

^(?:unrouted VLAN.++|GigabitEthernet.+?-mpls layer|FastEthernet.+?-802\\.1Q vLAN subif)$