Question

我有一个相当不错的搜索，虽然有很多类似的问题，但我不相信答案是适用的。

我有一个相当低效的正则表达式搜索一个相当大的字符串。我已经使用精确的正则表达式和字符串在http://regexpal.com中对其进行了测试，并且几乎立即回复了正确的答案。

具有相同输入的C＃Regex模块挂起 - 或者至少我已经离开它10分钟来完成regexpal在几分之一秒内可以做的事情。

正则表达式的C＃实现是否比http://regexpal.com效率低，还是真的悬挂？正则表达式是搜索两个由未知行数分隔的关键字：

"KEYWORD1(.|\r|\n)+KEYWORD2\t +.+"

字符串长830行，每行约30个字符。

Answer 1

根据Regular Expression上的文档，. 匹配除\n 之外的任何单个字符。这意味着.（与Java中的\r（默认模式），JavaScript等不匹配）与.NET中的\r匹配。

你的正则表达式有效地允许2个分支用于相同的字符\r。输入中\r越多，运行正则表达式所需的时间就越长。在输入失败时，它将根据输入中\r的数量导致指数复杂性。

请注意，regexpal是一个JavaScript正则表达式测试程序，如上所述，JavaScript中的.会排除\r，\n（以及其他一些行分隔符）。由于它们匹配的内容没有重叠，因此每个角色最多只能有一个分支。

一种解决方案是将(.|\r|\n)+替换为(?s:.+)。 s标志将有效地使.匹配任何字符，无例外。任何角色只有一个分支，因此没有指数回溯。

在这种情况下，

+.+不会导致效率低下，因为它已经处于模式的最后。但是，如果还有其他内容，它可能会导致问题（二次复杂性）。例如，如果最后有$，那么在失败的情况下，当模式 +.+$与具有大量空格的后缀匹配时，后跟最后的换行符，则未优化引擎会尝试各种方法将连续的空格分成两部分。

Answer 2

正如评论中所述，正则表达式的一个常见问题是有一个模式：

Word1.+Word2

因为如果你的文字很大并且有类似的东西：

Word1 ... Word1 ... Word2 ... Word2 ... Word1 .... Word2 ... Word2

您的所有组合与Word1匹配，以Word2结尾 - 即使Word1或Word2介于它们之间

通常情况下，这不是您正在寻找的内容，并希望在起点和终点之间设置最短的字符集（或者不再显示Word1）。为此，你的正则表达式最好改为：

Word1.+?Word2

希望这是有道理的。

Answer 3

基本上，你的正则表达式是递归的。删除最终.+可以解决问题。以下是a good article关于避免它的问题。为什么.NET挂起？可能是因为它永远不会中止搜索。也许你使用的JavaScript解析器如果检测到太多步骤或者进入递归搜索太深，就会中止。