Python正则表达式在某些情况下需要很长时间

我编译了以下模式

pattern = re.compile(
    r"""
    (?P<date>.*?)
    \s*
    (?P<thread_id>\w+)
    \s*PACKET\s*
    (?P<identifier>\w+)
    \s*
    (?P<proto>\w+)
    \s*
    (?P<indicator>\w+)
    \s*
    (?P<ip>\d+\.\d+\.\d+\.\d+)
    \s*
    (?P<xid>\w+)
    \s*
    (?P<q_r>.*?)
    \s*\[
    (?P<flag_hex>[0-9]*)
    \s*
    (?P<flag_char_code>.*?)
    \s*
    (?P<status>\w+)
    \]\s*
    (?P<record>\w+)
    \s*
    \.(?P<domain>.*)\.
    """, re.VERBOSE
    )

---

问题是，在某些情况下，需要花费很长时间，你知道如何增强消耗时间的模式。

是的，你有一个案例，也称为“邪恶正则表达式”，这里：

\s*
（？第页*）
\*

在这里：

\s*
（？第页*）
\*

在这里：

\s*
\.(?P<domain>.*)\.

\s*
\.（？P.*）\。

用

\S*

替换

*

应该可以解决这个问题

有关什么是邪恶正则表达式以及为什么它是邪恶的更多信息，请查看以下问题：

---

您可以通过以下方式改进您的模式：

(?P<domain>\w+(?:[-.]\w+)*)
(?P<date>\d{1,2}/\d{1,2}/\d{4} \d{1,2}:\d{1,2}:\d{1,2} [AP]M)
(?P<q_r>[^[]*)

（？P\w+（？：[-.]\w+*）
（？P\d{1,2}/\d{1,2}/\d{4}\d{1,2}:\d{1,2}:\d{1,2}[AP]M）
（？P[^[]*）

---

您还需要一个更明确的flag_char_代码子模式，目标是描述每个组的内容，以减少正则表达式引擎的工作量并避免回溯。

定义“long”？你能给我们举一个输入字符串的例子吗？正则表达式需要很长时间才能匹配？作为补充说明，我可能不会使用正则表达式来解决这个问题——它看起来像是一个很好的字符串对象的旧

split（）

方法的用例。你使用的是哪种方法？如果你没有使用

re.match（）

，我要做的第一件事是在开头添加一个

^

字符串/线锚的开头。另外，@JDB关于：

\s*（？*）的说法是正确的\s*

构造可能会跑掉。最好将所有可以拆分的内容拆分，然后在无法拆分的部分中搜索。这样逻辑就不那么复杂了。而且在许多情况下，它会运行得更快。非常感谢，这是我第一次听到regex中的回溯。

\s*
(?P<flag_char_code>.*?)
\s*

\s*
\.(?P<domain>.*)\.

(?P<domain>\w+(?:[-.]\w+)*)
(?P<date>\d{1,2}/\d{1,2}/\d{4} \d{1,2}:\d{1,2}:\d{1,2} [AP]M)
(?P<q_r>[^[]*)