用Java代码优化几个RegEx

Question

下面提到的RegEx在非常大的字符串或超过2000行的情况下表现非常差。 Java字符串基本上由PL / SQL脚本组成。

1-用字符前面和后面的空格替换每次出现的定界字符，例如||，！=或>符号。 这需要无限的时间，并且永远不会结束，因此无法记录时间。

// Delimiting characters for SQLPlus
private static final String[] delimiters = { "\\|\\|", "=>", ":=", "!=", "<>", "<", ">", "\\(", "\\)", "!", ",", "\\+", "-", "=", "\\*", "\\|" };


for (int i = 0; i < delimiters.length; i++) {
    script = script.replaceAll(delimiters[i], " " + delimiters[i] + " ");
}

2-以下模式查找所有出现正斜杠/的情况，但前面带有*的除外。 这意味着不要在块注释语法中寻找正斜杠。 对于2000行的String，这大约需要103秒。

Pattern p = Pattern.compile("([^\\*])([\\/])([^\\*])");
Matcher m = p.matcher(script);
while (m.find()) {
    script = script.replaceAll(m.group(2), " " + m.group(2) + " ");
}

3-从日期或日期格式中删除所有空格

Pattern p = Pattern.compile("(?i)(\\w{1,2}) +/ +(\\w{1,2}) +/ +(\\w{2,4})");
// Create a matcher with an input string
Matcher m = p.matcher(script);
while (m.find()) {
    part1 = script.substring(0, m.start());
    part2 = script.substring(m.end());
    script = part1 + m.group().replaceAll("[ \t]+", "") + part2;
    m = p.matcher(script);
}

有什么方法可以优化所有三个RegEx，以使它们花费的时间更少？

谢谢

阿里

Answer 1

我会回答第一个问题。

您可以将所有这些组合到一个正则表达式替换操作中：

script = script.replaceAll("\\|\\||=>|[:!]=|<>|[<>()!,+=*|-]", " $0 ");

说明：

\|\|            # Match ||
|               # or
=>              # =>
|               # or
[:!]=           # := or !=
|               # or
<>              # <>
|               # or
[<>()!,+=*|-]   # <, >, (, ), !, comma, +, =, *, | or -

Answer 2

当然。 您的第二种方法“几乎”是好的。 问题在于您不使用模式来进行替换。 使用str.replaceAll() ，每次调用此方法时实际上都会创建Pattern实例。 为您调用了Pattern.compile() ，它花费了90％的时间。

您应该改用Matcher.replaceAll() 。

    String script = "dfgafjd;fjfd;jfd;djf;jds\\fdfdf****\\/";
    String result = script;

    Pattern p = Pattern.compile("[\\*\\/\\\\]"); // write all characters you want to remove here.
    Matcher m = p.matcher(script);
    if (m.find()) {
        result = m.replaceAll("");
    }       
    System.out.println(result);

Answer 3

这不是引起您性能问题的正则表达式，而是您在文本上进行了多次传递并不断创建新的Pattern对象的事实。 正如蒂姆指出的，不仅仅是表现受到损害，而且表现不佳。 当您这样做时，很容易弄乱先前通过的结果。

实际上，我猜想日期中的这些多余空格只是其他替换项的副作用。 如果是这样，您可以通过以下方式一次性完成所有替换操作，而无需添加不需要的字符：

static String doReplace(String input)
{
  String regex = 
      "/\\*[^*]*(?:\\*(?!/)[^*]*)*\\*/|"      // a comment
    + "\\b\\d{2}/\\d{2}/\\d{2,4}\\b|"         // a date
    + "(/|\\|\\||=>|[:!]=|<>|[<>()!,+=*|-])"; // an operator

  Matcher m = Pattern.compile(regex).matcher(input);
  StringBuffer sb = new StringBuffer();
  while (m.find())
  {
     // if we found an operator, replace it
    if (m.start(1) != -1)
    {
      m.appendReplacement(sb, " $1 ");
    }
  }
  m.appendTail(sb);
  return sb.toString();
}

观看在线演示

诀窍是，如果不调用appendReplacement() ，则匹配位置不会更新，就好像没有发生匹配。 因为我忽略了它们，所以注释和日期会与其他不匹配的文本一起重新插入，而且我不必担心匹配其中的斜杠字符。

编辑确保正则表达式的“注释”部分位于“运算符”部分之前。 否则，每个注释的前导/将被视为运算符。