为什么我的Python正则表达式模式运行得这么慢？

Question

请查看我的正则表达式模式代码：

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import re

print 'Start'
str1 = 'abcdefgasdsdfswossdfasdaef'
m = re.match(r"([A-Za-z\-\s\:\.]+)+(\d+)\w+", str1) # Want to match something like 'Moto 360x'
print m # None is expected.
print 'Done'

完成需要49秒，模式有什么问题吗？

Answer 1

请参阅失控正则表达式：灾难性回溯 。

简而言之，如果有很多组合，子字符串可以拆分为正则表达式的各个部分，则正则表达式匹配器最终可能会尝试全部。

像(x+)+和x+x+这样的构造实际上保证了这种行为。

要检测并修复有问题的构造，可以使用以下概念：

• 在概念层面，有问题的构造的存在意味着你的正则表达式是模糊的 - 即如果你忽略了贪婪/懒惰的行为，那么某些文本没有单独的“正确”分割成正则表达式的部分 （或者，等效地，其子表达式） ）。 因此，为避免/解决问题，您需要查看并消除所有歧义。

  • 一种方法是

    • 总是将文本分成有意义的部分 （=对当前任务具有不同含义的部分），并且
    • 以这样的方式定义部件，使它们不会混淆（=使用你自己用来判断哪个特性，如果你手工解析它）

Answer 2

只需在nhahtdh和Marc B的评论中重新发布答案和解决方案：

([A-Za-z\\-\\s\\:\\.]+)+ -> [A-Za-z\\-\\s\\:\\.]+

非常感谢nhahtdh和Marc B！