java问题中的regexp

我在测试NLP系统时发现了一些问题。我有一个java正则表达式

“（.\\\\\s*）*Dendryt.*”

，对于string

“v目录表”…..

，它只是不停止计算

很明显，这个正则表达式的复杂性非常高，我将尝试重构它。你对我未来的正则表达式开发有什么建议吗

谢谢。

通过重复包含重复量词的组，您将遇到。随后的组合爆炸（给定足够的输入）将导致（tada！）堆栈溢出

简化，您的正则表达式尝试

（.*.\s*）

匹配任何连续字符，包括点和空格，后跟一个点，后跟零个或多个空格，然后

（…）*

重复此操作任意次数

Dendryt

只有当它尝试匹配“Dendryt”时

由于此操作失败，引擎将返回，尝试不同的排列。可能性几乎是无穷无尽的

为了说明这一点，下面是RegexBuddy的regex调试器在简化版数据上的屏幕截图：

100万次置换后，引擎停止运行

您的正则表达式会更好（在将其转换为Java字符串时，不要忘记避开反斜杠）：

在这种情况下，

*+

，一个所谓的所有格量词，一旦匹配就会拒绝回溯。这样，正则表达式引擎可能会更快地失败，但仍然很糟糕，因为

（.*）

匹配任何东西，甚至点

([^.]*)(\.\s*)*+Dendryt

是安全的，除非您的数据可以在“虚线位”之前包含点。总而言之，请更清楚地说明您的要求，然后可以构建更好的正则表达式。

尝试以下方法：

"[^.]*+(?>\\.\\s*)*+Dendryt.*"

[^.]*+

消耗第一个点之前的所有内容，而

+

生成

*

，因此正则表达式永远不会回溯到该点

（？>\\.\\s*）

是一个：它匹配一个点和任何后续空格，就像它是一个单位一样。如果正则表达式引擎必须回溯到该点，它将直接跳过该点，转到组开始匹配的位置

但它不会回到这一点，因为我把这个组的量词也设为所有格。我想说明原子群的用法，但我可以将

\\s*

设为所有格，或者两者兼而有之

所有格量词和原子组完全禁用回溯，但并不总是可以使用它们。当您必须允许回溯时，将其保持在最小值；不要让量词消耗过多。特别是，正如Tim所说，避免嵌套的量词和可以匹配相同事物的量化子表达式

---

事实上，避免使用

*

和

+

是一个很好的练习；它迫使你思考它的机制。如果没有您想要匹配的特定内容，请考虑您不想要匹配的内容，例如我使用

[^.]*

代替正则表达式中的第一个

*

。

正则表达式的这部分

（？：....*.\s*）*

表示获取尽可能多的具有
文字点，如果是连续线，则在末尾。这是必需的，直到最后找到

Dendryt

literal。一旦找到它，还可以得到该行的剩余部分

使用一个简单的原子群

（？>\uux）

就可以很容易地做到这一点 但是，由于它是原子的，如果在组中使用

*

，它将不会停止
检查是否找到最终的

Dendryt

，因为它不会返回

解决方案是使用惰性量词

*？

。然后原子组将
允许检查最后一个

Dendryt

注意，我不确定您的真正意图是什么，只是使用正则表达式 提供以说明其目前的工作方式，并提供不适用的等效项 导致回溯问题（我看到的是）

解决方案：

（？>.*.\.\s*）*Dendryt.*

---

非常感谢，非常有帮助！：）

"[^.]*+(?>\\.\\s*)*+Dendryt.*"