为什么正则表达式.*在一处较慢，而在另一处较快
最近，我在java/groovy中使用了很多正则表达式。为了进行测试，我通常使用regex101.com。显然，我也在研究正则表达式的性能。
我注意到的一件事是，正确使用.*可以显著提高整体性能。首先，在正则表达式的中间使用.*，或者更好地说不是在正则表达式的末尾，这会降低性能。
例如，在this正则表达式中，所需的步骤数为27：
If I change first .* to \s*，它将大大减少所需的步骤至16步：
然而，if I change second .* to \s*，它不会进一步减少步骤：
我有几个问题：
- 为什么会出现上述情况？我不想比较
\s和.*__。我知道其中的区别。我想知道为什么基于\s和.*在完整正则表达式中的位置，它们的成本会有所不同。然后是正则表达式的特征，根据它们在整个正则表达式中的位置(或者基于位置以外的任何其他方面，如果有的话)，这些特征的成本可能会有所不同。这个站点中给出的步骤计数器是否真的给出了任何关于正则表达式performance? - what的指示？
- 其他简单或类似(与位置相关的)正则表达式性能观察？
回答 2
Stack Overflow用户
发布于 2015-11-06 22:08:06
正则表达式引擎使用*量词(又称贪婪量词)的方式是使用输入中匹配的所有内容，然后：
- 在正则表达式中尝试下一项。如果匹配，则继续执行
- “unconsume”一个字符(将指针向后移动一个字符)，也称为回溯并转到步骤1。
由于.几乎匹配任何内容，因此遇到.*后的第一个状态是将指针移动到输入的末尾，然后开始返回输入，每次移动一个字符，尝试下一项，直到匹配为止。
使用\s*时，只使用空格，因此指针最初会精确地移动到您想要的位置-不需要回溯以匹配下一项。
您应该尝试使用不情愿的量词.*?，它将一次消耗一个字符，直到下一项匹配，它应该具有与\s*相同的时间复杂度，但效率略高，因为不需要检查当前字符。
表达式末尾的\s*和.*将执行类似的操作，因为两者都将消耗匹配的末尾f输入的所有内容，这使得两个表达式的指针位置相同。
Stack Overflow用户
发布于 2015-11-06 22:01:32
以下是调试器的输出。
性能差异的主要原因是.*将使用字符串末尾的所有内容(换行符除外)。然后，该模式将继续，强制正则表达式回溯(如第一个图像所示)。
\s和.*在模式的末尾表现同样好的原因是，如果没有其他东西可匹配(除了WS)，贪婪模式与消耗空格没有区别。
如果您的测试字符串没有以空格结尾，那么性能将会有所不同，就像您在第一个模式中看到的那样--正则表达式将被迫回溯。
编辑
如果您以空格以外的其他内容结尾，则可以看到性能差异：
不好：
^myname.*mahesh.*hiworld
更好的：
^myname.*mahesh\s*hiworld
更好的是：
^myname\s*mahesh\s*hiworld
https://stackoverflow.com/questions/33568236
复制相似问题