Java性能问题中的正则表达式

Question

我想使用以下Java代码提取HTML-body-Tags中的所有文本：

Pattern.compile(".*<\\s*body\\s*>(.*?)<\\s*/\\s*body\\s*>.*", Pattern.DOTALL);

...

matcher.find() ? matcher.group(1) : originalText

对于html工作正常，但是对于不包含任何html（并且没有任何body元素）的较大文本，e.G。更大的堆栈跟踪调用 matcher.find（）会占用大量时间。

有谁知道原因是什么？如何使这个正则表达式更高效？

提前致谢！

Answer 1

reg exp现在是：

<\\s*?body\\s*?>(.*?)<\\s*?/\\s*?body\\s*?>

表达式开头和结尾处的.*已被删除，现在它正常且快速地运行。此外，所有量词现在都不贪婪。

感谢提供有用的评论！