为什么这些正则表达式之间的速度存在巨大差异？

Question

我正在努力从文件中提取几千行代码中的特定信息片段。我原来的正则表达式是：

re.findall('#+\s+Athstats\s+Radio\s+(\d+).+?(\d+)\s+nodes\s+allocated\(nodealloc\)\s+ (\d+)\s+nodes\s+deleted\(nodefree\)', source_string, re.DOTALL)

我把它改成了这些：

re.findall('#+\s*Athstats\s*Radio\s*(\d).*?#+.*?(\d+)\s*nodes\s*allocated\(nodealloc\)', source_string, re.DOTALL)
re.findall('#+\s*Athstats\s*Radio\s*(\d).*?#+.*?(\d+)\s*nodes\s*deleted\(nodefree\)', source_string, re.DOTALL)

事情慢慢变成了爬行......这需要几秒钟而不是微秒/秒！为什么是这样？我正在使用Python 2.7查看文本文件，其中包含几千行文本。

Answer 1

即使它是敏感信息，也不是真正的问题，发布样本很容易，您可以更改数据并保持相同的结构。在没有看到任何数据的情况下，我所能注意到的是：.*?#+.*?可能导致灾难性的回溯。但是没有数据样本，我找不到有效的替代方案。 - Casimir et Hippolyte

...有关完整的讨论，包括足够的信息，以了解哪些正则表达式将使用Python的实现表现不佳，请参阅Jeffrey Friedl的Mastering Regular Expressions。第一版专门讨论了Python的实现;第二个没有;我不确定第三个。 - 查尔斯达菲