Question

我需要找到字符串中字符集的最后一个索引。考虑字符集为 x，y，z ，字符串为 Vereador Luiz Pauly Home ，那么我需要索引为 18 。

因此，为了找到索引，我创建了一个带有 DOTALL 标志和贪婪量词作为（？s）的模式。*（x | y | z） 。当模式应用于该字符串（多行）时，我可以从起始组中找到索引。代码：

AND wp_posts.post_type = 'lp_course' AND ((wp_posts.post_status = 'publish'))OR wp_terms.name LIKE '%cantieri%'

如预期的那样，如果匹配，它将正确返回值。

但是，如果没有匹配项，那么它花费的时间太长（60万个字符需要17分钟），因为这是贪婪的匹配项。

我尝试了其他量词，但无法获得所需的输出。 那么任何人都可以引用更好的正则表达式吗？

PS：我也可以考虑从最后遍历内容并找到索引。但是我希望regex中有一些更好的方法可以快速完成工作。

Answer 1

(?s).*(x|y|z)正则表达式的性能问题来自于.*模式是第一个首先捕获整个字符串的子模式，然后发生回溯以找到x，{{1 }}或y。如果没有匹配项，或者匹配项位于字符串的开头，并且字符串很大，这可能会花费很长时间。

z模式似乎要好一些：它捕获([xyz])(?=[^xyz]*$)，x或y并断言没有其他z，{{1 }}或x直到字符串的末尾，但由于在找到匹配项后进行了每次前瞻检查，因此它也有些资源消耗。

最快完成工作的正则表达式是

它匹配

z-字符串的开头
^(?:[^xyz]*+([xyz]))+-重复1次或更多次
- ^-除(?:[^xyz]*+([xyz]))+，[^xyz]*+和x以外的0个或多个字符，所有格匹配（不允许回溯到模式中）
- y-第1组：z，([xyz])或x。

第1组的值和数据将属于重复组的最后一次迭代（因为所有先前的数据都将在以后的每次迭代中重写）。

Answer 2

解决问题的方法很少，最好的方法取决于输入的大小和模式的复杂性：

反转输入字符串和可能的模式，这可能适用于非复杂模式。不幸的是java.util.regex不允许从右向左匹配模式。
而不是使用贪婪的量词，只需匹配模式并循环Matcher.find()直到找到最后一个出现。
使用性能更好的其他正则表达式引擎，例如RE2/J: linear time regular expression matching in Java。

如果选项2对于您的情况不够有效，我建议您尝试使用RE2 / J：

Java的标准正则表达式包java.util.regex以及许多其他广泛使用的正则表达式包（例如PCRE，Perl和Python）都采用了回溯实现策略：当模式提供两种替代方案时，例如a|b，引擎将首先尝试匹配子模式a，如果没有匹配，它将重置输入流并尝试匹配b。

如果此类选择被深层嵌套，则此策略需要先对输入数据进行指数传递，然后才能检测到输入是否匹配。如果输入很大，则很容易构造一个运行时间将超过Universe寿命的模式。当从不受信任的来源（例如Web应用程序的用户）接受正则表达式模式时，这会带来安全风险。

相反，RE2算法通过使用不确定的有限自动机，一次遍历输入数据同时探索所有匹配项。

Answer 3

StringBuilder都具有reverse并且是CharSequence，因此可以进行搜索。

Pattern p = Pattern.compile("[xyz]");
StringBuilder sb = new StringBuilder(str).reverse();
Matcher m = p.matcher(sb);
return m.find() ? sb.length() - m.end() : -1;

不幸的是，逆转的代价很高。

没有正则表达式的解决方案可能更快。

（逆转正确处理了BTW代理对。）

如何在Java中使用正则表达式查找字符串中最后一组字符？

3 个答案: