Question

我正在使用正则表达式来搜索一个只有大约106 MB大小的目录的非常具体的模式。完成大约需要10秒钟。

我能做些什么来改善表现吗？

package com.JFileReader;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class FileData {

    public static void main(String[] args) {
        File dir = new File("/Users/me/Desktop/");

        if(dir.isFile()) { handleFile(dir); }
        if(dir.isDirectory()) { handleDir(dir); }
    }

    public static void handleFile(File aFile) {
        String regex = "[a-zA-Z]+[.][a-zA-Z]+[@][a-zA-Z]+[.][a-zA-Z]+";
        Pattern pattern = Pattern.compile(regex);

        try {
            BufferedReader br = new BufferedReader(new FileReader(aFile));
            Matcher m; 

            String line;
            while ((line = br.readLine()) != null) {
                m = pattern.matcher(line);
                if (m.find()) {
                    System.out.println("Found: " + aFile);
                }
            }
            br.close();
        } catch (IOException ioe) {
            ioe.printStackTrace();
        }
    }

    public static void handleDir(File dir) {
        for (File file : dir.listFiles()) {
            if(file.isFile()) { handleFile(file); }
            if(file.isDirectory()) { handleDir(file); }
        }
    }
}

Answer 1

您可以使用占有量词：

String regex = "[a-zA-Z]++\\.[a-zA-Z]++@[a-zA-Z]++\\.[a-zA-Z]++";

当您使用所有格量词时，正则表达式引擎不记录回溯位置，并且在匹配失败时再也不会尝试其他可能性。

Answer 2

重复编译正则表达式（对于每个文件）是一种相对昂贵的浪费。

您可以定义一次并继续使用相同的实例。

模式搜索性能差

2 个答案: