优化HTML解析的正则表达式

Question

我使用这个正则表达式：

.*[hH]([1-9])\\.\\s*(.*)\\s*

使用带Matcher.find()方法的java。

在长篇文章中，这个正则表达式需要花费大量时间才能找到结果。

如何优化正则表达式？有人可以向我推荐一些优化的正则表达式吗？

Answer 1

您可以使用：

[hH]([1-9])\\.\\s*+(\\S+)

其中\\S不是白色字符（\\s的否定）

Possessive quantifiers *+用于禁止回溯。

正如伊恩·罗伯茨在评论中注意到的那样，领先的(.*)在这里似乎毫无用处。

Answer 2

你应该在试图对它运行正则表达式之前测试长文本。

String longText=...
if(longText.matches(myRegex)) {
    //Matcher.find
}

这样你就不会浪费你的时间。

但是，如果您真的遇到longt文本，我建议您使用功能强大的html解析器 Jsoup吗？