为什么Negative Lookahead会因And / Or Pipe而超时

Question

我有一个和/或正则表达式（PatternA | PatternB），其中我只采用PatternA，如果PatternB不存在（PatternB总是在PatternA之后，但更重要），所以我在PatternA管道中放了一个负面的预测。 / p>

这适用于较短的文本块：

https://regex101.com/r/bU6cU6/5

但是在较长的文本块上超时：

https://regex101.com/r/bU6cU6/2

我不明白的是，如果我将PatternA与Neg Look放在同一个长文本块中，只需要32步就可以拒绝它：

https://regex101.com/r/bU6cU6/3

如果我将PatternB单独放在同一个长文本块中，则只需要18步即可接受它：

https://regex101.com/r/bU6cU6/4

所以我不确定为什么要先扣除100,000步/超时（32步）然后接受（18步）管道。是否有其他/更好的方法来构建，因此它首先检查PatternA而不是PatternB，因为现在它正在做一些我不理解从50步到100k +的事情。

Answer 1

与＆＃34;全球＆＃34;一起使用的非固定外观。正则表达式（匹配多次出现）导致过多的工作，并且效率低下。他们应该是＃34;锚定＆＃34;在一些具体的背景下。通常，它们在字符串的开头（前瞻）或结束（lookbehinds）处执行。

在你的情况下，你可以＆＃34;锚定＆＃34;它放在Option1:之后，以确保它仅在Option1:匹配后执行。

Option1:(?!.*Option2)\*.*?(?P<Capture>Bob|David|Ted|Alice)|\*Option2 (?P<Capture2>Juan)
        ^^^^^^^^^^^^^

请参阅this regex demo

更多答案：

  

我不明白的是，如果我将PatternA与Neg Look放在同一个长文本块中，只需要32步就可以拒绝它

是的，但您通过内部优化测试了它。禁用它们，您将看到

  

如果我将PatternB单独放在同一个长文本块中，它只需要18步就可以接受它：

以预期的方式找到匹配，非常有效：

Answer 2

你的主要问题是前瞻的位置。必须在每个位置尝试前瞻，并且每次都必须扫描所有剩余的字符。较长的测试字符串长度超过3500个字符;加起来。

如果你的正则表达式没有锚定，你应该总是试着用一些失败或快速成功的具体事物来启动它 - 文字文本是最好的。在这种情况下，显而易见的是，您可以向前移动前瞻：Option1:\*(?!.*Option2)而不是(?!.*Option2)Option1:\*。 （注意前瞻中没有尾随.*;你不需要它。）

但是当你单独匹配时，为什么PatternA会更快？内部优化。当正则表达式只是(?!.*Option2.*)Option1:\*.*?(?P<Capture>(Bob|David|Ted|Alice))时，正则表达式引擎可以告诉匹配必须以Option1:*开头，因此它会直接进入第一次匹配尝试的位置。正则表达式越长越复杂，优化就不会发生。

您可以使用Regex101中的“regex debugger”选项进行测试，然后选中DISABLE INTERNAL ENGINE OPTIMIZATIONS。步数可以追溯到100,000以上。