Java Matcher慢速正则表达式

Question

这是一个非常简单的正则表达式，它在一个非常短的字符串上运行了30秒钟以上：（ i7 3970k @ 3.4ghz ）

Pattern compile = Pattern.compile("^(?=[a-z0-9-]{1,63})([a-z0-9]+[-]{0,1}){1,63}[a-z0-9]{1}$");
Matcher matcher = compile.matcher("test-metareg-rw40lntknahvpseba32cßáàâåäæç.nl");
boolean matches = matcher.matches(); //Takes 30+ seconds

第一部分（？=）是断言字符串最多包含这些字符

第二部分是断言，例如在这种情况下字符串不会超出语法，以防止使用-并至少在[a-z0-9]中结束

Answer 1

我试图猜测你的意图，但这并不容易：

(?=[a-z0-9-]{1,63})这种前瞻性似乎要求下一个最多63个字符为小写ASCII字母或数字，但实际上，即使有只有一个字母后跟任何东西。 因此，也许您的意思是(?=[a-z0-9-]{1,63}$)禁止使用不超过63个字符的合法字符。

您似乎想要在-之间添加至少一个字母或数字的组，但您使-可选项的目的并不是真正地创建约束，而是允许产生很多可能性的方式，从而增加了表达式的开销。 您可以简单地说： ([a-z0-9]++-){0,63}[a-z0-9]+ 。 花括号中的组至少需要一个字母或数字，之后需要减号，结尾处的表达式在表达式末尾至少需要一个字母或数字，但也将匹配最后一个没有后缀的组-同时。 如果没有-则最后一组可能也是唯一的一组-完全包含在您的文本中。

将所有正则表达式放在一起将成为： (?=[a-z0-9-]{1,63}$)([a-z0-9]++-){0,63}[a-z0-9]+ 。 注意，如果使用matches方法，则不需要前导^或尾随$ 。 它已经暗示字符串边界必须匹配表达式边界。

我希望我的意图是对的...

Answer 2

我已修复此正则表达式，将其替换如下：

^(?=[a-z0-9-]{1,63})([a-z0-9]{0,1}|[-]{0,1}){1,63}[a-z0-9]{1}$

([a-z0-9]+[-]{0,1}){1,63}变为： ([a-z0-9]{0,1}|[-]{0,1}){1,63}

Answer 3

• 如果要确保没有--在字符串中，请使用否定的前瞻(?!.*--) 。
• 也没有必要写{1} 。
• 另一件事是，如果要确保字符串最多包含63个字符，则在预读中需要在末尾添加$ (?=[a-z0-9-]{1,63}$) 。

因此，也许^(?=[a-z0-9-]{1,63}$)(?!.*--)[a-z0-9-]+[a-z0-9]$

Answer 4

我认为从您所说的内容来看，您的正则表达式可以简化为
编辑-（供后人使用）阅读@Holger的帖子后，我将其更改为修复可能的灾难性回溯并加快其执行速度，正如我的工作台所显示的那样，这可能是最快的方法。

 #  ^(?=[a-z0-9-]{1,63}$)[a-z0-9]++(?:-[a-z0-9]+)*+$

 ^                                    # BOL
 (?= [a-z0-9-]{1,63} $ )              # max 1 - 63 of these characters
 [a-z0-9]++ (?: - [a-z0-9]+ )*+       # consume the characters in this order
 $                                    # EOL