优化：
0. 正则表达式应用原理
a. 编译
b. 传动开始：将正则引擎定位至目标字符串的起始位置。
c. 元素检测
d. 寻找匹配结果：如果找到一个匹配结果，传统型NFA会锁定在当前状态，并报告匹配成功。而对于POSIX NFA来说，如果这个匹配是迄今为止最长的，它会记住这个可能的匹配，然后从可用的状态继续下去。直到尝试了所有的可能，并找到全局的最大匹配。
e. 传动装置的驱动过程：如果没有找到匹配，传动装置就会驱动引擎，从文本中的下一个字符开始新一轮的尝试。
f. 匹配彻底失败
1. 多选分支中，考虑把出现频率高的放到前面。如：(abc|def)，如果def出现频率远高于abc，那么考虑改成：(def|abc)
2. 小心指数级（超线性super-linear）匹配。
如这个正则表达式： [^abc]*，它本身的匹配是有限的。
但是如果改成：([^abc]+)*，那么，对于测试字符串：defghi，长度为6，对于每一个字符，实际上都存在两种可能，即匹配前面的+或者后面的*。
由于POSIX NFA在给出结果之前会尝试所有的可能，那么它将尝试2^6=64次。对于12个字符的，尝试次数就变成了2^12=4096次。而30个字符，就会超过10亿次了。
因此一定要小心+和*混合使用的情况。
注：对于POSIX NFA来说，总是会出现这种情况；但是传统型NFA则未必会出现（经过优化以防止无限的回溯）。
3. 多选结构
对于(a|b|c|d)与[abcd]，前者的性能可能会差很多。因为前者对于目标串的每一个字符，都需要进行4次比较。而后者可以直接进行简单测试（实现上，可以用类似map或set的结构进行优化，使得对每个目标串的字符，只需要比较一次即可）。
4. 预查必须字符/子串优化
在字符串中搜索某个字符或子串通常会比匹配完整的表达式更快，因此可以利用这点修改正则表达式。
如：^Subject:(.*) 这个正则表达式要求必须以Subject:开始，因此正则引擎会直接在开头匹配这个子串。
5. 长度判断优化
对于 ab\d{100}cd，至少需要104个字符，可以提前从字符串长度上判断。
6. 内嵌字符串检查优化
对于 (aa|bb)cc，由于cc是确定需要匹配的串，因此可以使用字符串检索算法寻找cc这个串。然后往前数2个字符，开始实际应用正则表达式。
注意这种优化，只对内嵌字符串与表达式起始位置的距离固定时才能进行。因此它不能应用于 (aaaa|bb)cc 这个表达式。
7. 使用起始锚点
以.*开头的正则表达式都应该在最前面添加^或者\A。
8. 从量词中提取必须的元素
如：用xx*代替x+，用-----{0,2}代替-{5,7}。
9. 独立锚点
对许多正则表达式引擎来说， ^(abc|123)性能会比^abc|^123好得多。因为它会对最前面的^做优化（而看不到多选结构中的锚点）。
对于$也是类似。
10. 模拟开头字符识别
如果正则表达式为 Jan|Feb|...|Dec，由于有12个月份，每次匹配都可能需要判断12次。这时可以使用环视来优化：
(?=[JFMASOND])(?:Jan|Feb|...|Dec) 这个表达式会先判断第一个字母，在多数正则表达式引擎上会更快。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。