Question

这是一个更普遍的问题，所以我使用的正则表达式并不重要，但这是我现在的问题：

(?<name>[^ ^\n]*)[ \n]+OBJECT IDENTIFIER(?<data>([^"]*"[^"]*?")*?[^"]*?)::=[ \n]*\{[ \n]*(?<parent>[^ ^\n]*) (?<oid>\w*)

此正则表达式中的主要内容是OBJECT IDENTIFIER关键字，我是否可以首先忽略前面的(?<name>[^ ^\n]*)[ \n]+进行正则表达式搜索，然后在正则表达式OBJECT IDENTIFIER之后应该应用它整个表达到那个位置。

Answer 1

编辑：

我认为通过这种模式，传输将找到固定的字符串位置，然后正则表达式引擎将向后搜索模式的开头，但它不能这样做。它并不像我想的那么聪明。

在这种情况下，您可以利用＆＃34;第一个字符串歧视＆＃34;加快识别写作这样的事情：

fixed string(?<=non-fixed subpattern, fixed string)

其中固定字符串位于模式的第一个位置，因此，允许传输使用Boyer-Moore算法来查找固定字符串的位置。

或者您可以尝试：

(?<=non-fixed subpattern)fixed string

我无法对其进行测试，但可能有一个简单的事实就是将非固定的子模式放在＆＃34;非固定的子模式中。在lookbehind里面允许传输选择在测试lookbehind或找到固定字符串之间找到匹配位置的最佳方法。但我不知道传输是否足够智能，这只是一个假设。

正如Qtax在注释中注意到的那样，子模式([^"]*"[^"]*?")*?[^"]*?可能很慢，因为你使用了[^"]*?之前的懒惰量词（组中的那个），它可以匹配相同的东西而不是小组的开始，这可以给一个空的比赛。

您可以使用后面的::=来代替此子模式，并编写类似：[^:]+(?>:(?!:=)[^:]*)*的内容，它不会导致回溯并仅使用贪婪的量词。 注意：如果您确实需要跳过双引号之间的::=，则可以使用：[^:"]+(?>(?::(?!:=)|"[^"]*")[^:]*)*。

另一个小优化：当你不需要捕获某些东西时，不要使用捕获组，而是在更好和可能时使用非捕获组或原子组。

结论，您可以测试这些模式（为自由间隔模式编写）：

const string Pattern1 = @"\b OBJECT [ ] IDENTIFIER
    (?<= (?<name> [^^\s]+ ) \s+ OBJECT [ ] IDENTIFIER)
    (?<data> [^:]+(?> :(?!:=) [^:]* )* ) ::= \s* { \s*
    (?<parent> [^^\s]+ ) \s+
    (?<oid> \w+ )";

static Regex Reg1 = new Regex(Pattern1, RegexOptions.IgnorePatternWhitespace);

const string Pattern2 = @"(?<= (?<name> [^^\s]+ ) \s+)
    \b OBJECT [ ] IDENTIFIER
    (?<data> [^:]+(?> :(?!:=) [^:]* )* ) ::= \s* { \s*
    (?<parent> [^^\s]+ ) \s+
    (?<oid> \w+ )";

static Regex Reg2 = new Regex(Pattern2, RegexOptions.IgnorePatternWhitespace);

const string Pattern3 = @"\b OBJECT [ ] IDENTIFIER
    (?<= (?<name> [^^\s]+ ) \s+ OBJECT [ ] IDENTIFIER)
    (?<data> [^:"]+(?> (?: :(?!:=) | "" [^""]* "" ) [^:]* )* ) ::= \s* { \s*
    (?<parent> [^^\s]+ ) \s+
    (?<oid> \w+ )";

static Regex Reg3 = new Regex(Pattern3, RegexOptions.IgnorePatternWhitespace);

const string Pattern4 = @"(?<= (?<name> [^^\s]+ ) \s+)
    \b OBJECT [ ] IDENTIFIER
    (?<data> [^:"]+ (?> (?: :(?!:=) | "" [^""]* "" ) [^:]* )* ) ::= \s* { \s*
    (?<parent> [^^\s]+ ) \s+
    (?<oid> \w+ )";

static Regex Reg4 = new Regex(Pattern4, RegexOptions.IgnorePatternWhitespace);

注意：由于我没有看到你的数据，我认为每个命名的捕获都不能为空。如果不是这种情况，您只需将一些+量词更改为*。

注意2：如果您需要在代码中多次使用该模式，那么在使用和不使用compiled正则表达式选项的情况下尝试这些模式会很有趣。

老答案：

您不需要这样做，因为在正则表达式引擎工作之前存在预分析阶段。

此阶段称为＆＃34;传输＆＃34;并包含几个优化。其中一个优化包括首先从目标字符串中的模式中找到固定字符串，使用Boyer-Moore算法来减少正则表达式引擎的工作。

这是否可以在正则表达式中加速性能？

1 个答案: