表达式中多个连续的。*会导致匹配缓慢

Question

我注意到如果我使用正则表达式 .*.*text.*.*，匹配所需的时间比.*text.*

上匹配时长得多

您可能已经猜到，使用双.*.*的正则表达式（意外地）是由软件生成的。

所以有两个问题：

1. 我打算在运行匹配之前将.*.*替换为.*。我可以随时将.*.*替换为.*吗？是否存在.*.*在正则表达式中功能上不等.*的情况？

2. 任何人都可以用简单的方式解释为什么需要花费更长的时间来匹配.*.*？

如果这是一个特定于实现的行为，我使用的是Java 7的正则表达式引擎。

Answer 1

在匹配方面，.*.* 等效至.*。在性能方面，您将节省大量时间。你应该学习回溯。

您可以看到.*.*Donec.*.*和.*Donec.*之间的步骤编号从 101 897 变为 604 ，而Lorem的前两段存有。

Answer 2

两个正则表达式.*和.*.*在数学上完全相同。如果它们以相同的速度不匹配，则归因于编译和匹配时使用的实现。

如果你使用一个好的正则表达式编译器，你将获得一次通过，没有回溯算法只能探索匹配字符串的每个字符一次，处理O[n]算法，与常规的复杂性无关你使用的表达方式。

顺便说一句，绝大多数语言（perl，java，php等）中使用的所有当前实现都源于对匹配字符串的有限NFA（非确定性有限自动机）的直接解释。但是，如果您阅读Compilers, Principles, Techniques and Tools中描述的算法，您会发现只能在一次访问每个字符（并按顺序）中获得匹配