正则表达式性能优化方法(高效正则表达式书写)

 更新时间:2016年06月05日 01:08:59   投稿:mdxy-dxy  
这里说的正则表达式优化,主要是针对目前常用的NFA模式正则表达式

这里说的正则表达式优化,主要是针对目前常用的NFA模式正则表达式,详细可以参考:正则表达式匹配解析过程探讨分析(正则表达式匹配原理)。从上面例子,我们可以推断出,影响NFA类正则表达式(常见语言:GNU Emacs,Java,ergp,less,more,.NET语言,
PCRE library,Perl,PHP,Python,Ruby,sed,vi )其实主要是它的“回溯”,减少“回溯”次数(减少循环查找同一个字符次数),是提高性能的主要方法。 我们来看个例子:

源字符串:<script type="text/javascript">adsfadfsdasfsdafdsfsadfsa</script>

匹配要求,匹配<script….>….</script>标签里面所有内容,包括改标签

常见写法(1),因为<script后面可能出现字符、空白、特殊符号等,还有标签里面也可能出现各种js代码。我们简单方法是:

正则表达式:<script.*?>.*?</script> (测试工具使用了:regexBuddy)

总共花费115步,回溯了:48次。 因为我们使用”.”字符,匹配默认情况下除了\n之外所有字符。
方法(2),我们分析特点发现,<script…>后面,应该是除了”>”之外都可以字符,然后一对<script>标签里面js内容。可以定义为除了”<”之外。(这里面我只是举例说明优化方法,实际网页中script标签里面,常见都会出现有”<”字符了)

正则表达式:<script[^?>]+>[^<]+</script>

19步,0次回溯! ,步骤只有原先的15%左右,性能几倍的提升了!
从上面我们看到,不同正则表达式,对通用字符配平,性能相差会很大。减少“回溯”是最好的方法,减少回溯其中最主要的方法是:”用最小范围的元字符,尽量避免用过大的元字符!”。一般规律如下:

1、使用正确的边界匹配器(^、$、\b、\B等),限定搜索字符串位置
2、使用具体的元字符、字符类(\d、\w、\s等) ,少用”.”字符
3、使用正确的量词(+、*、?、{n,m}),如果能够限定长度,匹配最佳
4、使用非捕获组、原子组,减少没有必要的字匹配捕获用(?:)

如:我想匹配一些英文字母,它后面接的是数字。如:abc1234,我可以写 “\w+\d+”,也可以写”[a-zA-Z]+\d+” ,其中第一个\w+会先匹配所有abc1234,然后回溯,匹配满足\d+格式。一共4步,而后面这个只需要2步,步骤减少一半了!好了,今天就先到这里,欢迎大家讨论、交流!

相关文章

  • PHP中的递归正则表达式用法分享

    PHP中的递归正则表达式用法分享

    其实很多语言中的正则表达式都是支持递归的, 本文主要介绍PHP的正则递归. 虽然, 工作中最常用的正则表达式都很普通, 只用最基本的语法就能解决85%以上的问题, 而且合理有效地使用普通正则来解决复杂问题也是一门技巧与学问,但是更高级一点的语法的确有它存在的价值,看下面具体介绍
    2012-09-09
  • 论坛UBB代码 推荐

    论坛UBB代码 推荐

    论坛UBB代码 推荐...
    2006-07-07
  • Regex正则表达式判断密码强度

    Regex正则表达式判断密码强度

    这里用到Regex表达式,虽然还是经常使用,但是对其语法还是一知半解。主要一般用到都比较简单,不需要多重判断,这篇文章主要介绍了Regex正则表达式判断密码强度,需要的朋友可以参考下
    2023-02-02
  • PHP正则表达式完全教程之提高篇

    PHP正则表达式完全教程之提高篇

    正则表达式,大家在开发中应该是经常用到,现在很多开发语言都有正则表达式的应用,比如javascript,java,.net,php等等,我今天就把我对正则表达式的理解跟大家唠唠,不当之处,请多多指教!
    2015-09-09
  • 利用正则表达对IP进行排序的实现代码

    利用正则表达对IP进行排序的实现代码

    这篇文章主要介绍了利用正则表达对IP进行排序的实现代码,需要的朋友可以参考下
    2017-07-07
  • 正则表达式如何在PHP里灵活的应用

    正则表达式如何在PHP里灵活的应用

    正则表达式也称为模式表达式,自身具有一套非常完整的、可以编写模式的语法体系,提供了一种灵活且直观的字符串处理方法,本文给大家介绍正则表达式如何在PHP里巧妙的应用,需要的朋友参考下吧
    2016-03-03
  • linux shell 正则表达式(BREs,EREs,PREs)差异比较

    linux shell 正则表达式(BREs,EREs,PREs)差异比较

    在计算机科学中,是指一个用来描述或者匹配一系列符合某个句法规则的字符串的单个字符串。在很多文本编辑器或其他工具里,正则表达式通常被用来检索和/或替换那些符合某个模式的文本内容
    2013-11-11
  • Python正则表达式匹配字符串中的数字

    Python正则表达式匹配字符串中的数字

    这篇文章主要介绍了Python正则表达式匹配字符串中的数字,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-01-01
  • php正则替换变量指定字符的方法

    php正则替换变量指定字符的方法

    这篇文章主要介绍了php正则替换变量指定字符的方法,涉及php使用正则表达式进行字符串替换的技巧,非常具有实用价值,需要的朋友可以参考下
    2015-03-03
  • JS正则表达式的验证

    JS正则表达式的验证

    这篇文章主要介绍了JS正则表达式的验证的相关资料,非常不错,具有参考借鉴价值,需要的朋友可以参考下
    2016-11-11

最新评论