為什么我的Python正則表達式模式運行得這么慢？

Question

請查看我的正則表達式模式代碼：

#!/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，模式有什么問題嗎？

Answer 1

請參閱失控正則表達式：災難性回溯 。

簡而言之，如果有很多組合，子字符串可以拆分為正則表達式的各個部分，則正則表達式匹配器最終可能會嘗試全部。

像(x+)+和x+x+這樣的構造實際上保證了這種行為。

要檢測並修復有問題的構造，可以使用以下概念：

• 在概念層面，有問題的構造的存在意味着你的正則表達式是模糊的 - 即如果你忽略了貪婪/懶惰的行為，那么某些文本沒有單獨的“正確”分割成正則表達式的部分 （或者，等效地，其子表達式） ）。 因此，為避免/解決問題，您需要查看並消除所有歧義。

  • 一種方法是

    • 總是將文本分成有意義的部分 （=對當前任務具有不同含義的部分），並且
    • 以這樣的方式定義部件，使它們不會混淆（=使用你自己用來判斷哪個特性，如果你手工解析它）

Answer 2

只需在nhahtdh和Marc B的評論中重新發布答案和解決方案：

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

非常感謝nhahtdh和Marc B！