正则表达式花了很长时间
我有一个用户输入的搜索字符串。 通常，使用空格分割搜索字符串，然后执行OR搜索（如果项匹配任何搜索字符串元素，则匹配项）。 我想提供一些“高级”查询function，例如使用引号括起包含空格的文字短语的function。
虽然我已经敲定了一个像样的正则表达式来为我分割字符串，但它执行的时间非常长（在我的机器上> 2秒）。 我把它弄清楚了解打嗝的位置，更有趣的是它似乎在最后一场Match匹配后发生（可能是在输入结束时）。 直到字符串结尾的所有匹配在更短的时间内匹配然后我可以捕获，但是最后一个匹配（如果它是什么 – 没有返回）几乎占用了所有的2秒。
我希望有人可能会对我如何加速这个正则表达式有所了解。 我知道我正在使用一个无限量词的lookbehind但是，正如我所说，这似乎不会导致任何性能问题，直到最后一场比赛匹配。
码
using System; using System.Collections.Generic; using System.Linq; using System.Text; using System.Text.RegularExpressions; namespace RegexSandboxCSharp { class Program { static void Main( string[] args ) { string l_input1 = "# one \"two three\" four five:\"six seven\" eight \"nine ten\""; string l_pattern = @"(?<=^([^""]*([""][^""]*[""])?)*)\s+"; Regex l_regex = new Regex( l_pattern ); MatchCollection l_matches = l_regex.Matches( l_input1 ); System.Collections.IEnumerator l_matchEnumerator = l_matches.GetEnumerator(); DateTime l_listStart = DateTime.Now; List l_elements = new List(); int l_previousIndex = 0; int l_previousLength = 0; // The final MoveNext(), which returns false, takes 2 seconds. while ( l_matchEnumerator.MoveNext() ) { Match l_match = (Match) l_matchEnumerator.Current; int l_start = l_previousIndex + l_previousLength; int l_length = l_match.Index - l_start; l_elements.Add( l_input1.Substring( l_start, l_length ) ); l_previousIndex = l_match.Index; l_previousLength = l_match.Length; } Console.WriteLine( "List Composition Time: " + ( DateTime.Now - l_listStart ).TotalMilliseconds.ToString() ); string[] l_terms = l_elements.ToArray(); Console.WriteLine( String.Join( "\n", l_terms ) ); Console.ReadKey( true ); } } }
OUTPUT
（这正是我得到的。）
一
“二三”
四
五六七”
八
“九十”
尝试将正则表达式更改为以下内容：
(?<=^((?>[^"]*)(["][^"]*["])?)*)\s+
这里唯一的变化是将[^"]*放入一个primefaces组 ，这可以防止发生灾难性的回溯 。
注意：上面的正则表达式显然不使用C＃正则表达式字符串语法，我不熟悉，但我认为它将如下：
@"(?<=^((?>[^""]*)([""][^""]*[""])?)*)\s+";
为什么会发生灾难性的回溯：
一旦找到所有有效匹配，则尝试的下一个匹配是最终引用部分内的空间。 lookbehind将失败，因为在空格之前有奇数引号。
此时，lookbehind内部的正则表达式将开始回溯。 锚意味着它总是从字符串的开头开始，但它仍然可以通过从匹配的结尾删除元素来回溯。 让我们看一下lookbehind里面的正则表达式：
^([^"]*(["][^"]*["])?)*
由于引用的部分是可选的，因此可以在正则表达式回溯时删除它们。 对于不在引用部分内的每个非引号字符块，在回溯之前，每个字符都将在正则表达式的开头处作为[^"]*的一部分进行匹配。作为回溯从该部分开始，最后一个字符将从[^"]*匹配的内容中删除，并将被外部重复拾取。 此时它变得非常类似于上面的灾难性回溯链接中的示例。