有没有办法优化通用正则表达式？

Question

我在Eclipse中编写代码，当我执行CTRL-F查找字符串时，我发现除了整个单词的标准化选项（区分大小写）之外，还有一个正则表达式搜索选项（它是那里也有Notepad ++）。

我已经尝试过一次或两次，通常结果几乎是瞬间完成的。但毕竟代码文件不是很大，最大的代码文件不超过500行，大多数行填充不到一半。是否有任何方法可以优化，以便任何用户提供的正则表达式在大块文本上运行得更快，比如10-15 MB的大小？

我无法想到任何方法，因为没有像Rabin-Karp这样的标准化搜索算法或后缀树在这里适用！

Answer 1

我不知道如何在Eclipse中实现正则表达式以及为什么它如此慢。这里只是一些想法：

首先，您应该了解一些概念：Nondeterministic finite automaton (NFA)和Deterministic finite automaton (DFA)。理论上，正则表达式，NFA和DFA是等价的，这意味着它们具有完全相同的描述语言（字符序列）的能力。这意味着它们中的任何一个都可以转换为另一个（参见this site）。

正则表达式可以通过将其转换为DFA来实现，并且使用DFA匹配文本只需要线性时间（许多字符串匹配算法，例如KMP，实际上是特殊的DFA）。但问题是，大多数现代正则表达式实现都引入了反向引用等功能，因此无法使用DFA。

因此，如果丢弃这些复杂的特征是可能的，那么实现快速正则表达式是可行的（在线性时间内进行匹配）。您可以在this article找到更多信息。

Answer 2

是什么让你认为后缀树不适合这个问题？来自http://en.wikipedia.org/wiki/Suffix_tree：

构建[后缀树]后，可以快速执行多个操作，例如在S中定位子字符串，如果允许一定数量的错误则定位子字符串，定位常规匹配表达模式等

我认为修改过的Boyer-Moore字符串搜索算法也是可能的。