正則表達式原理和優化

01. 正則匹配原理

最近工做中用到了不少正則匹配。才學習了正則表達式匹配原理以及優化。

1. 解析引擎眼中的字符串組成

對於字符串「DEF」而言，包括D、E、F三個字符和 0、一、二、3 四個數字位置：0D1E2F3，對於正則表達式而言全部源字符串，都有字符和位置。正則表達式會從0號位置，逐個去匹配的。

2. 佔有字符和零寬度

正則表達式匹配過程當中，若是子表達式匹配到的是字符內容，而非位置，並被保存到最終的匹配結果中，那麼就認爲這個子表達式是佔有字符的；若是子表達式匹配的僅僅是位置，或者匹配的內容並不保存到最終的匹配結果中，那麼就認爲這個子表達式是零寬度的。佔有字符是互斥的，零寬度是非互斥的。也就是一個字符，同一時間只能由一個子表達式匹配，而一個位置，卻能夠同時由多個零寬度的子表達式匹配。常見零寬字符有：^，(?=)等

3. 正則表達式匹配過程詳解實例

咱們掌握了上面幾個概念，咱們接下來分析下幾個常見的解析過程。結合使用軟件regexBuddy來分析。

Demo1:

源字符DEF,對應標記是：0D1E2F3，匹配正則表達式是：/DEF/

過程能夠理解爲：首先由正則表達式字符 /D/ 取得控制權，從位置0開始匹配，由 /D/ 來匹配「D」，匹配成功，控制權交給字符 /E/ ；因爲「D」已被 /D/ 匹配，因此 /E/ 從位置1開始嘗試匹配，由 /E/ 來匹配「E」，匹配成功，控制權交給 /F/ ；由 /F/ 來匹配「F」，匹配成功。

Demo2:

源字符DEF,對應標記是：0D1E2F3，匹配正則表達式是：/D\w+F/

過程能夠理解爲：首先由正則表達式字符 /D/ 取得控制權，從位置0開始匹配，由 /D/ 來匹配「D」，匹配成功，控制權交給字符 /\w+/ ；因爲「D」已被 /D/ 匹配，因此 /\w+/ 從位置1開始嘗試匹配，\w+貪婪模式，會記錄一個備選狀態，默認會匹配最長字符，直接匹配到EF，而且匹配成功，當前位置3了。而且把控制權交給 /F/ ；由 /F/ 匹配失敗，\w+匹配會回溯一位，當前位置變成2。並把控制權交個/F/，由/F/匹配字符F成功。所以\w+這裏匹配E字符,匹配完成！

參考《http://www.jb51.net/article/73403.htm》

02. 正則表達式性能優化方法

其實主要是它的「回溯」，減小「回溯」次數（減小循環查找同一個字符次數），是提升性能的主要方法。

思路：

1. 使用正確的邊界匹配器（^、$、\b、\B等），限定搜索字符串位置
2. 儘可能不適用通配符".";字符使用具體的元字符、字符類（\d、\w、\s等）（推薦）
3. 使用正確的量詞（+、*、?、{n,m}），若是可以限定長度，匹配最佳
4. 使用非捕獲組、原子組，減小沒有必要的字匹配捕獲用(?:)，減小內存。

附上正則表達式基礎：
《https://deerchao.net/tutorials/regex/regex.htm#lookaround》

還有查看分析的軟件：RegexBuddy

匹配實例
《http://www.jb51.net/article/85895.htm》
《http://blog.csdn.net/king_xing/article/details/52771465》

03. 代碼優化

Java中通常是使用Patter和Matcher進行正則匹配。
以前寫的方法：

/**
 * 匹配str中的正則結果
 *
 * @param regEx 正則式String
 * @param str   待匹配的源字符串
 * @return 返回匹配的捕獲組1
 */
public static String regExMatcher(String regEx, String str) {
    Pattern pattern = Pattern.compile(regEx);
    Matcher matcher = pattern.matcher(str);
    return matcher.find() ? matcher.group(1) : "";
}

上面的優化都是針對正則表達式自己的，可是其實正則的損耗還來源於Pattern.compile編譯的過程。在這個過程當中創建語法分析樹。

所以，對於屢次執行的相同pattern的匹配工具類，應該將Pattern.compile(regEx);抽取成成員變量，在類中初始化。

Ps: Pattern和String同樣，是不可變類，即編譯後該對象的內容就肯定了，沒法修改，只讀的，Pattern必然是線程安全的，併發使用沒有安全隱患；
在matcher()方法中也並不能對其修改

所以，改成：

/**
 * 匹配str中的正則結果
 *
 * @param regExPattern 已編譯好的Pattern模式
 * @param str          待匹配的源字符串
 * @return 返回匹配的捕獲組1
 */
public static String regExMatcher(Pattern regExPattern, String str) {
    Matcher matcher = regExPattern.matcher(str);
    return matcher.find() ? matcher.group(1) : "";
}