匹配字符串中所有模式的最佳方法？

Question

匹配給定字符串中存在的所有模式集的最佳方式是什么。 例如，假設我有一個包含數千個中等長度字符串（每個字符串大約 30-50 個字符）的集合。 用戶需要能夠指定一組模式（甚至不是模式，實際上只是一系列字符），每個字符串都將被評估，該字符串必須包含所有指定的模式。

所以假設用戶想要評估以下模式：

123
xyz
abc

像這樣的字符串：

john_smith_123456_abcdef_9999_tuv 

將是錯誤的，因為它只包含 3 個中的 2 個，而字符串如下：

jane_doe_abcdef_123_9999_tuvwxyz 

會是真的，因為它包含所有 3

那么首先，regex 還是 string.Contains()？ 或者是否存在一個性能優於另一個的權衡點？ 其次，假設正則表達式是通往 go 的路徑，那么用於此場景的最佳正則表達式類型是什么？

多謝！

Answer 1

以下正則表達式將起作用：

^(?=.*123)(?=.*xyz)(?=.*abc).*$

這使用lookaheads來確保您要查找的三個子字符串包含在字符串中的某個位置，然后使用.*在找到所有子字符串時使用整個字符串。

Answer 2

您正在尋找的是大字符串中的特定字符串，對嗎？ 如果是這樣，正則表達式在這里不會對你有多大好處。 當然，您可以做一些前瞻性的事情，但您並沒有真正獲得任何東西——無論是可讀性方面還是性能方面。 正則表達式用於查找文本中的模式，而不是用於子字符串。

只需遍歷列表、數組等...並使用Contains查找每個 substring。

Answer 3

正則表達式幾乎總是簡單匹配的較慢選項。 您應該使用String.Contains()除非您確實需要正則表達式功能。 如果只允許用戶輸入實際字符串進行測試，則不需要正則表達式。

Answer 4

對於這樣一個簡單的任務，正則表達式似乎有點矯枉過正。 您實際上並不是在尋找 substring 這樣的模式，在這種情況下， String.Contains()非常適合這項工作（假設您沒有未告訴我們的“隱藏”要求）。

Answer 5

沒有經驗法則來決定基於正則表達式的解決方案何時會太慢。 事實上，沒有理由期望正則表達式比任何其他技術都慢。 與任何其他工具一樣，如果您相當有能力使用它並且它似乎提供了最簡單的方法，請提前撥打 go 並嘗試一下。 當您為有意義的測試編寫了足夠多的代碼時，對其進行基准測試。

此外，如果模式非常簡單以至於您可以使用Contains() ，那么搞亂正則表達式並創建 共振級聯 災難性回溯場景的可能性也很小。 請記住：正則表達式不會破壞 CPU，正則表達式作者會這樣做。 :D

對於FJ提出的多重前瞻方法，我傾向於同意你的看法； 對於這項工作來說可能太慢了。 它實際上與多次調用Contains()相同，但由於回溯會產生額外的開銷。 無論如何都值得測試，但我會先嘗試這種方法：

^(?>(?:123()|xyz()|abc()|.)+$\1\2\3)

在前瞻方法必須為每個搜索詞掃描整個字符串的情況下，此正則表達式只掃描一次，並且永遠不會回溯。 每次它命中一個搜索詞時，緊隨該詞的捕獲組就被認為參與了匹配，即使它什么也沒捕獲到。 當到達字符串末尾時，如果該組參與匹配，則每個反向引用再次“不匹配”； 否則報告失敗，整體匹配失敗。