Java正则表达式是否优化了这种特定情况？

Question

我想知道正则表达式是如何工作的，我的特殊正则表达式有一个看起来像这样的元素：

(word1|word2|wordn......)

字数大数百 我想知道正则表达式引擎是否只是逐个测试单词，或者它是否优化搜索以及它的方式 任何指向良好文档的指针都会很好。

Answer 1

请参阅this link
这篇Javaworld文章解释了java regexp的基本机制（称为NFA用于非确定性有限自动机，或NFA）。关于这个主题还有完整的书籍。另请查看Resources Section。

Answer 2

如果你有几百个单词，你需要注意正则表达式中单词的排序。正则表达式引擎从左到右查找字样 如果您针对替换setValue测试单词set|setValue，则它将仅匹配包含“set”的3个字母，而不是整个字符串。

有关完整说明，请参阅此link（来自www.regular-expressions.info）。

我认为正则表达式引擎不会真正优化轮换（即分析公共前缀并相应地构建nfa）。因此，有这么多的话，我认为这不会是一种优化。

除了重新排序单词之外，您还可以尝试在交替后添加单词或行边界，例如(set|setValue)$，但我怀疑正则表达式引擎会进行大量的回溯，因此可能不值得努力。

Answer 3

如果您认为RE引擎是此类搜索的瓶颈，您可以轻松构建trie并检查包含。