Question

在Java中：

以前我写了一个代码，下载一个网页然后解析它以找到一个特定的值。我使用了这样的正则表达式，一切都很顺利。

Pattern p = Pattern.compile("<tr.*?>.*?<td.*?>FOO:</td>.*?<td.*?>(.*?)</td>.*?</tr>", Pattern.DOTALL);
Matcher m = p.matcher(page);
m.find();

今天网页发生变化，字符串FOO不再存在，突然m.find（）不再返回，阻止了整个应用程序。

然后我开始调查并进行一些调试，发现使用普通的html页面（200kb，3000行），如果存在FOO，则上述正则表达式工作速度很快，否则需要数小时。

然后我说..好吧，这个表达的复杂性可能证明了等待很长时间。但是我想验证我的假设，所以我用其他语言准备了一些测试并略微修改了上述模式。

我将网页保存在一个文件中后，我对其进行了修改并插入FOO所在的位置。然后我写了4个测试：

将FOO与DOT_ALL匹配
使用DOT_ALL
在不使用DOT_ALL
在不使用DOT_ALL的情况下取消匹配BAR

您可以在此处访问测试页：http://pastebin.com/2S9fEpxD

在perl：

cat page.html | perl -e '$str = do { local $/; <> }; $str =~ /<tr.*?>.*?<td.*?>FOO:<\/td>.*?<td.*?>(.*?)<\/td>.*?<\/tr>/s; print "$1\n";'

cat page.html | perl -e '$str = do { local $/; <> }; $str =~ /<tr.*?>.*?<td.*?>BAR:<\/td>.*?<td.*?>(.*?)<\/td>.*?<\/tr>/s; print "$1\n";'

cat page.html | perl -e '$str = do { local $/; <> }; $str =~ /<tr.*?>.*?<td.*?>FOO:<\/td>.*?<td.*?>(.*?)<\/td>.*?<\/tr>/; print "$1\n";'

cat page.html | perl -e '$str = do { local $/; <> }; $str =~ /<tr.*?>.*?<td.*?>BAR:<\/td>.*?<td.*?>(.*?)<\/td>.*?<\/tr>/; print "$1\n";'

测试1,2和4立即返回。测试3需要19秒才能完成。

在PhP中：

preg_match( '#<tr.*?>.*?<td.*?>FOO:</td>.*?<td.*?>(.*?)</td>.*?</tr>#s',file_get_contents('page.html'), $vals);

preg_match( '#<tr.*?>.*?<td.*?>BAR:</td>.*?<td.*?>(.*?)</td>.*?</tr>#s',file_get_contents('page.html'), $vals);

preg_match( '#<tr.*?>.*?<td.*?>FOO:</td>.*?<td.*?>(.*?)</td>.*?</tr>#',file_get_contents('page.html'), $vals);

preg_match( '#<tr.*?>.*?<td.*?>BAR:</td>.*?<td.*?>(.*?)</td>.*?</tr>#',file_get_contents('page.html'), $vals);

所有4项测试立即返回。

在Java中，再次：

为了完成我的测试，我还在Java中执行了测试3和4，这需要几个小时，就像测试2（但不是1，匹配，并快速完成）

这是我使用的代码（在这种情况下为测试3）：

FileReader fr = new FileReader("page.html");
char[] buff = new char[(int)new File("page.html").length()];
fr.read(buff);
fr.close();
String page = new String(buff);

Pattern p = Pattern.compile("<tr.*?>.*?<td.*?>FOO:</td>.*?<td.*?>(.*?)</td>.*?</tr>" /*, Pattern.DOTALL*/);
Matcher m = p.matcher(page);
System.out.println(m.find());

结论

PhP比Perl表现更好，并且比Java更好。为什么？如果php能够快速判断这个正则表达式是否匹配，为什么不应该将相同的技术移植到Java中？我总是认为正则表达世界完全被人类所理解，并且没有其他发现可做。

Java Perl和Php

0 个答案: