Question

我有以下内容：

private static List<Pattern> pats;

此列表包含大约90个在迭代之前实例化的模式。模式很复杂，如：

System.out.println("pat: " + pats.get(0).toString());

// pat: \bsingle1\b|\bsingle2\b|(?=.*\bcombo1\b)(?=.*\bcombo2\b)|\bsingle3\b|\bwild.*card\b ...

正如上面的正则表达式所示，某些模式包含大约40-50个单词或单词组合。这些单词可以包含通配符。

现在，我有一个字符串列表，每个句子大约30-60个字符。我遍历它们并对列表中的每个字符串，我遍历模式列表并执行pattern.match("This is one of the strings in my list").find()直到我得到一个匹配，我记下来并保存在其他地方，然后我突破迭代通过模式并继续列表中的下一个字符串。

这是一个分类工作，因此几个字符串可以匹配相同的模式。

我的问题是，这当然需要大量的执行时间，我正在寻找一种更有效的方法来解决这个问题。

有什么建议吗？

Answer 1

解决我的问题（达到90％）的一件事是放弃正则表达式，String.indexOf()从性能角度更有意义。

这篇文章激发了我的灵感：Quickest way to return list of Strings by using wildcard from collection in Java

我编写了自己的实现，因为链接中的那个只处理完整的单词，而我正在处理句子。

它有助于通配符“*”和管道“hel（l | lo）”在性能视角，前者比后者更多。

这个方向的原因是几个建议，它通过将时间减少200,000句从1.5小时减少到15分钟来提高性能。

Answer 2

您还可以在专用服务中卸载正则表达式吗？我相信它比部分放弃正则表达式更快（也许更安全）？

如果您的应用程序要在多台服务器上运行，您也可以通过集中计算成本来获得性能。

以下是通过REST api实现此类实现的示例：http://www.rex-daemon.com/tutorial/more-advanced-queries/

将字符串String与Java中的大型正则表达式，性能匹配

2 个答案: