单个大正则表达式比一堆小正则表达式效率更高吗？

Question

我正在处理一个使用正则表达式的函数来查找作为参数给出的（非常长的）字符串中的一些产品代码。

该代码有许多可能的形式，例如：

UK[A-z]{10}或DE[A-z]{20}或PL[A-z]{7}或......

哪种解决方案会更好？许多（大概20-50左右）小正则表达式或一个巨大的怪物正则表达式匹配它们全部？什么是性能更好？

Answer 1

这取决于你写的是什么样的大正则表达式。如果以病态模式结束，最好测试较小的模式。例如：

UK[A-Za-z]{10}|DE[A-Za-z]{20}|PL[A-Za-z]{7}

这种模式非常低效，因为它以交替开始，这意味着在最坏的情况下（不匹配），需要对字符串中的所有位置测试每个替代方案。

但是如果你写这样的模式：

(?=[UDP][KEL])(?:UK[A-Za-z]{10}|DE[A-Za-z]{20}|PL[A-Za-z]{7})

或变体：

[UDP][KEL](?:(?<=UK)[A-Za-z]{10}|(?<=DE)[A-Za-z]{20}|(?<=PL)[A-Za-z]{7})

在交替之前很快就会丢弃大多数无法匹配的位置。

此外，当您编写单个模式时，显然，该字符串仅被解析一次。