Question

请参阅我的正则表达式模式代码：

#!/usr/bin/env python
# -*- coding:utf-8 -*-

import re

print 'Start'
str1 = 'abcdefgasdsdfswossdfasdaef'
m = re.match(r"([A-Za-z\-\s\:\.]+)+(\d+)\w+", str1) # Want to match something like 'Moto 360x'
print m # None is expected.
print 'Done'

完成时需要49秒，模式有问题吗？

Answer 1

请参阅Runaway Regular Expressions: Catastrophic Backtracking。

简而言之，如果有很多组合可以将子字符串拆分为正则表达式的各个部分，则正则表达式匹配器最终可能会尝试全部。

像(x+)+和x+x+这样的构造实际上保证了这种行为。

要检测并修复有问题的构造，可以使用以下概念：

在概念层面，存在问题构造意味着你的正则表达式是不明确的 - 即如果你忽视贪婪/懒惰的行为，就没有单一的“正确”分裂一些文本到正则表达式的部分（或等效地，它的子表达式）。因此，为了避免/解决问题，您需要查看并消除所有歧义。
- 执行此操作的一种方法是
  - 始终将文本拆分为有意义的部分（=对手头任务有不同含义的部分），
  - 以不会混淆的方式定义部件（=使用您自己用来判断哪个是手动解析的相同特性）

Answer 2

在nhahtdh和Marc B的评论中重新发布答案和解决方案：

([A-Za-z\-\s\:\.]+)+ - ＆gt; [A-Za-z\-\s\:\.]+

非常感谢nhahtdh和Marc B！

为什么我的Python正则表达式模式运行得这么慢？

2 个答案: