【问题标题】:Does Java's regular expression engine optimizes character class expressions internally?Java 的正则表达式引擎是否在内部优化了字符类表达式?
【发布时间】:2018-12-15 06:53:12
【问题描述】:

我们知道我们可以提出复杂的字符类,例如:

[A-F&&[^B]]     // A through F, excluding B
[G-L&&[^H]]     // G through L, excluding H

我们可以做交集 && 和并集(隐式完成):

[[A-F&&[^B]][G-L&&[^H]]]      // union of both classes above

但问题是,Java 是否会在内部生成一个优化的自动机,以便将上面的表达式简化为简化的表达式:

[A-L&&[^BH]]  // union of both classes above, simplified

或者不一定?我只是想确定是否值得提出一些正则表达式简化例程来提高匹配性能,或者 Java 是否已经在隐式地简化字符类。

【问题讨论】:

  • 我进行了 JMH 基准测试,但结果尚无定论;后者更快,但不多(在不同情况下快 2% 到 7%)。查看Pattern#compile,存在一些优化,但可能没有您计划的那么多。
  • 基本上,字符类总是由正则表达式 egnine 编译成一个“微程序”,这就是为什么它们比使用交替捕获组更快的原因。但是,您所要求的只能通过一些实际测试来检查。只需对一个字符串执行大约 50-100K 次搜索并测量它所花费的时间,您就会得到结果。
  • 另一种方法是阅读代码。根据 java 的版本和您的公司政策,这会告诉您。当然,实施可能会发生变化。

标签: java regex performance optimization


【解决方案1】:

查看 OpenJDK 12 源代码,clazz method 是解析字符类的位置。

完成交集的代码行是here:

prev = prev.and(curr);

定义here:

default CharPredicate and(CharPredicate p) {
    return ch -> is(ch) && p.is(ch);
}

如您所见,这是一个简单的“与”实现。也没有以后合并/简化这些谓词的代码。

所以答案是:否,它不会优化它们。

您还可以通过正则表达式代码进行调试来验证这一点。您可能需要逐步完成一些代码,但最终您应该以 and 实现结束。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2014-11-21
    • 1970-01-01
    • 2012-01-30
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多