尝试在java中使用正则表达式时出现堆栈溢出

我读过一些关于如何优化正则表达式的文章，但是没有一个答案（更少的组，使用{X，Y}而不是*）似乎能阻止我的正则表达式出现堆栈溢出错误

我正在尝试通过文件进行动态搜索。假设我正在一个相当大（2-4MB）的文件中搜索“我打赌你找不到我”。我的正则表达式生成器将生成正则表达式：

i(?:.|\s)*?bet(?:.|\s)*?you(?:.|\s)*?cannot(?:.|\s)*?find(?:.|\s)*?me

这个正则表达式的思想是，无论单词之间有什么字符或空格，它都能找到准确的短语。但是，当我尝试使用：

Pattern p = Pattern.compile(generatedRegex, Pattern.MULTILINE);
Matcher m = p.matcher(fileContentsAsString);
while (m.find()) {
System.out.println(m.group())
}

我得到一个堆栈溢出错误。我知道正则表达式使用递归，但它似乎并没有正则表达式那么糟糕。有什么方法可以优化这个正则表达式吗？谢谢

答复:

Pattern p = Pattern.compile("i(?:.*)bet(?:.*)you(?:.*)cannot(?:.*)find(?:.*?)me", Pattern.DOTALL);

---

是我最终使用的模式/正则表达式。看起来速度很快，不再出现堆栈溢出异常

我认为由于您不情愿的限定符

（*？）

，您会得到很多回溯。防止回溯的一种方法是使用原子分组

（？>X）

，和/或所有格限定符

（*+）

根据评论，您也更喜欢只捕获最接近“下注”的“i”，以缩短整个比赛的长度。既然你想得到最接近其余单词的“i”，那么在我为单词2添加了负向前瞻的地方，你也可以在单词1旁边添加负向前瞻。换句话说，

（？！bet）

将变成

（？！i）（？！bet）

或

（？！i | bet）

。我已经编辑了下面的代码以包含此要求

String fileContentsAsString = "ii ... bet ... you, ibetyouyou";
String regex = "i(?>(?!i|bet).)*+bet(?>(?!you).)*+you";
Pattern p = Pattern.compile(regex, Pattern.DOTALL);
Matcher m = p.matcher(fileContentsAsString);
while (m.find()) {
    System.out.println(m.group());
}

输出：

我。。。。打赌你

伊贝图

说明：

“不情愿的量词的工作方式是，每次它尝试匹配时，它首先尝试让正则表达式的下一部分匹配。因此，它在每次迭代开始时有效地进行前瞻，这可能会非常昂贵，特别是当量化部分每次迭代只匹配一个字符时，如。*？”

---

（？：.|\s）

的目的是什么？是因为

与行终止符不匹配，而您希望它匹配吗？如果是这样，请使用mode，即

（？s）

，如下所示：

（？s）i.*？bet.*？you.*？cannot.*？find.*？me

您是否尝试过使用贪婪的

*

而不是勉强使用的限定符

*？

，因为您的正则表达式没有

^

或

$

，所以该模式毫无意义。使用dotall之后，删除不必要的不情愿的限定符，去掉不必要的多行选项，它确实可以很快成功运行。没有更多的堆栈溢出！谢谢你的评论@BlahMclean在每个单词周围添加捕获组，然后打印每个单词的开始索引，而不是整个匹配的文本。在我看来，你得到的似乎都是想要的组，如果我错了，请更正。@S.Klumpers not true。@op中的

（？：.|\s）

都是非捕获组。他只捕获了

group（）

，这是完全匹配的。这是真的，那些是非捕获组，因为我不在乎单词之间的内容@PatrickParker我转而使用dotall，去掉了不必要的勉强限定符，从而消除了堆栈溢出异常。在这一点上，很难说您建议的其他更改将在多大程度上提高性能，但我非常感谢您在原子分组方面对我进行的教育！使用上述解决方案后，我的正则表达式现在捕捉到了剩余模式之前的第一个“i”（这可能是我文件的一大部分）。我怎样才能告诉正则表达式得到与其余单词最接近的“I”？@BlahMclean在这种情况下，在我为单词2添加负前瞻的地方，你也会在单词1旁边添加负前瞻。换句话说，

（？！bet）

将变成

（？！i|bet）