1、正則表達式基本使用

正則表達式 — 基本語法
正則表達式 — 常用案例

測試demo：

    private static void test2() {
        String regular = "^[\\u4e00-\\u9fa5_a-zA-Z0-9]+$";
        String testStr = "a_行政村行政村選擇充血出現在出effg+現在重置線程這需求行政村行政村選擇充血自產自銷區+";
        Pattern p = Pattern.compile(regular);
        Matcher m = p.matcher(testStr);
        boolean res = m.find();
        System.out.println(res);
    }

2、正則表達式三種算法

Java 語言使用的正則表達式執行引擎是 NFA (Non-deterministic finite automaton) 非確定型有窮自動機，這種引擎的特點是：功能強大、單存在回溯機制導致執行效率慢（回溯嚴重時可以導致機器 CPU 使用率 100%，直接卡死機器）。

測試代碼：

    private static void test1() {
        String testStr = "a_行政村行政村選擇充血出現在出effg現在重置線程這需求行政村行政村選擇充血自產自銷區";

        String regular_1 = "^[\\u4e00-\\u9fa5_a-zA-Z0-9]+$";    //貪婪模式
        String regular_2 = "^[\\u4e00-\\u9fa5_a-zA-Z0-9]++$";   //懶惰模式
        String regular_3 = "^[\\u4e00-\\u9fa5_a-zA-Z0-9]+?$";   //獨占模式

        List<String> regulars = new ArrayList<>();
        regulars.add(regular_1);
        regulars.add(regular_2);
        regulars.add(regular_3);

        for (String regular : regulars) {
            long start, end;
            start = System.currentTimeMillis();
            Pattern p = Pattern.compile(regular);
            Matcher m = p.matcher(testStr);
            boolean res = m.find();

            end = System.currentTimeMillis();
            System.out.println("結果：" + JSON.toJSONString(res) + "，執行時間：" + (end - start) + "(ms)");
        }
    }

執行結果：

結果：true，執行時間：3(ms)
結果：true，執行時間：1(ms)
結果：true，執行時間：0(ms)

可以明顯看到，雖然實現了相同的匹配功能，但效率卻有所區別，原因在于這三種寫法定義了正則表達式的三種匹配邏輯，我們來逐一說明：

正則表達式：ef{1,3}g
待匹配的字符串：effg

2.1 貪婪模式（默認）

語法：ef{1,3}g

原理：貪婪模式是正則表達式的默認匹配方式，在該模式下，對于涉及數量的表達式，正則表達式會盡量匹配更多的內容。

說明：我用模型圖來演示一下匹配邏輯：

image.png

到第二步的時候其實已經滿足第二個條件f{1,3}，但我們說過貪婪模式會盡量匹配更多的內容，所以依然停在第二個條件繼續遍歷字符串

image.png

注意看第四步，字符g不滿足匹配條件f{1，3}，這個時候會觸發回溯機制：指針重新回到第三個字符f處

image.png

關于回溯機制：

回溯是造成正則表達式效率問題的根本原因，每次匹配失敗，都需要將之前比對過的數據復位且指針調回到數據的上一位置，想要優化正則表達式的匹配效率，減少回溯是關鍵。

回溯之后，繼續從下一個條件以及下一個字符繼續匹配，直到結束。

2.2 懶惰模式

語法： ef{1,3}?g

原理：與貪婪模式相反，懶惰模式會盡量匹配更少的內容。

說明：

image.png

到第二步的時候，懶惰模式會認為已經滿足條件f{1,3}，所以會直接判斷下一條件。

image.png

注意，到這步因為不滿足匹配條件，所以觸發回溯機制，將判斷條件回調到上一個。

image.png

回溯之后，繼續從下一個條件以及下一個字符繼續匹配，直到結束。

image.png

2.3 獨占模式（推薦）

語法：ef{1,3}+g

原理：獨占模式應該算是貪婪模式的一種變種，它同樣會盡量匹配更多的內容，區別在于在匹配失敗的情況下不會觸發回溯機制，而是繼續向后判斷，所以該模式效率最佳。

說明：

image.png

2.4 三種模式表達式

3 優化建議

建議1：推薦使用獨占模式來優化正則比表達式，格式^[允許字符集]+ 。
建議2：推薦將Pattern 緩存下來，避免反復編譯Pattern。

static final Pattern HEAVY_REGEX = Pattern.compile("(((X)*Y)*Z)*");

建議3：優化正則中的分支選擇

通過上面對正則表達式匹配邏輯的了解，我們不難想到，由于回溯機制的存在，帶有分支選擇的正則表達式必然會降低匹配效率

String testStr = "abbdfg";
String regular = "(aab|aba|abb)dfg";

在這個例子中，"aab"并未匹配，于是回溯到字符串的第一個元素重新匹配第二個分支"aba"，以此類推，直到判斷完所有分支，效率問題可想而知。

如果分支中存在公共前綴，可以進行提取：

String regular = "a(ab|ba|bb)dfg";

這樣首先減少了公共前綴的判斷次數，其次降低了分支造成的回溯頻率，相比之下效率有所提升。

文章參考

正則表達式的三種模式：貪婪模式、懶惰模式、獨占模式

Java性能調優--代碼篇：優化正則表達式的匹配效率