Question

我有以下正则表达式，它匹配开头的任何字符，以括号"Hi (Stackoverflow)"中的文本结尾。

当我输入要匹配的文本时，程序就会继续运行。

String pattern = "^[a-zA-Z]+([\\s]*[\\w]*)*\\([\\w]+\\)"
String text = "Asdadasdasd sadsdsad sdasd (s)"
String text2 = "Asdadasdasd sadsdsad sdasd (s) sdsd"

System.out.println(text.matches(pattern)) - it works
System.out.println(text2.matches(pattern)) - never ending story

有什么问题？

Answer 1

private static final Pattern pattern = Pattern.compile("[a-zA-Z]+([\\s]*[\\w]*)*\\([\\w]+\\)");

public static void main(String[] args) {

    String text = "Asdadasdasd sadsdsad sdasd (s)";
    String text2 = "Asdadasdasd sadsdsad sdasd (s) sdsd (k) ssdd";

    match(text);
    match(text2);
}


private static void match(String text) {
    Matcher matcher = pattern.matcher(text);
    while (matcher.find()) {
        System.out.println(matcher.group(0));
    }
}

，输出为：

Asdadasdasd sadsdsad sdasd (s)
Asdadasdasd sadsdsad sdasd (s)
sdsd (k)

Answer 2

由于你的正则表达式中的*，第二个需要很长时间（或者至少需要很长时间，具体取决于实现）。

你的正则表达式开始试图像这样匹配：

[a-zA-Z]+   \s* \w*      \s* \w*   \s* \w* \( \w+ \) [unmatched]
Asdadasdasd     sadsdsad     sdasd     X   (  s   )  sdsd

此时你可能会说它＆＃34;好吧，不匹配，我们已经完成了＃34;。

但这不是它的作用。

相反，它会backtrack试图找到一个可行的匹配（因为在这种情况下计算机找出回溯将是浪费时间并不是那么容易）。

以前匹配第二个\w*到sdasd的位置，它现在会尝试少一个字符，即sdas，然后它会添加另一个匹配的\s*\w* \s*为{0}个字符，d为\w*。

[a-zA-Z]+   \s* \w*      \s* \w*  \s* \w* \s* \w* \( \w+ \) [unmatched]
Asdadasdasd     sadsdsad     sdas X   d       X   (  s   )  sdsd

这也不会起作用，所以它会尝试sda然后再sd，它不会工作并导致它将其进一步分解为{{1} }，sda和s。

依此类推，直到每个[a-zA-Z]+ \s* \w* \s* \w* \s* \w* \s* \w* \( \w+ \) [unmatched] Asdadasdasd sadsdsad sda X sd X ( s ) sdsd [a-zA-Z]+ \s* \w* \s* \w* \s* \w* \s* \w* \s* \w* \( \w+ \) [unmatched] Asdadasdasd sadsdsad sda X s X d X ( s ) sdsd只匹配一个字符。

PS：以上并不一定完全它的作用，它更倾向于对发生的事情有一个基本的了解。

PPS：为简洁起见，使用\w代替\。

你如何解决它？

有几种方法可以解决它。

要求变化最小的那个可能是使用\\代替(\\s*\\w*)*+制作*+ possessive，这会阻止它完全回溯（这是排队的）我们想要的东西）。

使用^[a-zA-Z]+(\\s*\\w*)*+\\(\\w+\\)而不是\\s+也会有用，虽然这会导致一些略有不同的行为（特别是0-9不能再出现在第一个空格之前，这可能是通过在括号前添加\\s*来修复。

这可以修复它，因为我们无法再为\\w*匹配0个字符，这会阻止我们在回溯时会做很多工作。

\\s

我也建议在任何一种情况下都从^[a-zA-Z]+(\\s+\\w*)*\\(\\w+\\) OR ^[a-zA-Z]+\\w*(\\s+\\w*)*\\(\\w+\\)删除+，因为[a-zA-Z]已经涵盖了这一点（因此不会改变正则表达式匹配）和（在我看来）使正则表达式的期望行为在看时更清晰。

PS： \\w*相当于[\\s]*。

Java花了太长时间来确定字符串是否与String.matches匹配

2 个答案:

你如何解决它？