如何消除这个正则表达式的缓慢？

Question

我有以下正则表达式：

(\d+\s+[-]\s+.*?(?=\s+-)|\d+\s+[-].*)

正则表达式将使用此文本

"Option 01 - Random phrase - Top Menu",
"Option 02 - Another Random Phrase - Su Menu",
"Option 03 - More 01 Phrase - Menu",
"Option 04 - More Phrase -",
"Option 05 - Simple Phrase"

保持这样的状态

01 - Random phrase ",
02 - Another Random Phrase ",
03 - More 01 Phrase ",
04 - More Phrase ",
05 - Simple Phrase ",

这个Regex的作用是获取以破折号开头的数字，走在最后一个破折号之前。例如：

• dfhdjfhdjf01 - 文本文本 - dkfdçsjf

当最终没有踪迹时，基本上会发生这种情况：

• dfhdjfhdjf01 - 文本文本 dkfdçsjf

但是，在 regex101.com 上调试此正则表达式会指责您有 63 到 122 个步骤。也就是说，这个正则表达式很慢。

在批评这个问题之前，我已经阅读了正则表达式的所有文档，我想让你知道我指的是特定的术语..一个需要解决的问题。毕竟，网站不就是为了这个吗？

告诉我，我将如何解决这个正则表达式的缓慢问题？

Answer 1

您不必太担心您在 regex101.com 上看到的步骤，因为 C# regex 库非常可靠。如果您在 regex101 上用很长的字符串测试像 (?s)a.*?b 这样的简单正则表达式，它会报告灾难性的回溯，而它在 C# 代码中可以正常工作。

有一种方法可以改进您的模式，因为它有一些冗余：请参阅重复的 \d+\s+[-] 模式。

你只需要

\d+\s+-.*?(?=\s+-|$)

在regex101 和RegexStorm 上查看正则表达式演示。

如果.*?(?=\s+-) 应该只在- 后面有空格的情况下匹配，请使用

\d+\s+-(?:\s.*?(?=\s+-)|.+)

查看另一个demo 1（步骤更少:)）/demo 2。

如果你想进一步优化它，你可能想研究导致

的unroll-the-loop principle

\d+\s+-(?:\s+\S*(?:\s(?!\s*-)\S*)*|.+)

见this regex demo（最少步数）。

这里，\S*(?:\s(?!\s*-)\S*)* 相当于（几乎）.*?(?=\s+-|$)，但效率更高，因为直到空格的块在“批次”中匹配，只有在遇到空格时才会检查连字符.

详情

• \d+ - 1 位以上
• \s+ - 1+ 个空格
• - - 一个连字符
• .*?(?=\s+-|$) - 任何 0+ 个字符，尽可能少，直到第一次出现 1+ 个空格和 - 或直到字符串的末尾。
• (?:\s.*?(?=\s+-)|.+) - 非捕获组：
  • \s.*?(?=\s+-) - 空格，0+ 字符尽可能少，最多 1+ 空格和 -
  • | - 或
  • .+ - 字符串的其余部分。
• \S*(?:\s(?!\s*-)\S*)*：
  • \S* - 0+ 个非空白字符
  • (?:\s(?!\s*-)\S*)* - 0 次或多次重复
    • \s - 一个空格
    • (?!\s*-) - 后面没有 0+ 个空格和 -
    • \S* - 0+ 个非空白字符

Answer 2

您也可以尝试\d+\s+-[^-]* 来获得您想要的。这是迄今为止最少的步骤。或者您可以添加\d+\s+-[^-]*(?=\s)，以防您需要在- 之前剪切它。 demo

Answer 3

正如其他人在 cmets 中指出的那样，尚不清楚您的正则表达式应该做什么，因为您似乎不想从潜在匹配中捕获任何内容。但无论如何，我推荐以下正则表达式，它将选项字符串解析为其基本组件：

^[^\d]*\d+\s+-\s+.*?(?:\s+-\s+.*?)?$

从此开始，您可以在要捕获的部分周围添加括号。例如：

^[^\d]*(\d+)\s+-\s+(.*?)(?:\s+-\s+(.*?))?$

这将捕获选项编号和短划线之间的文本。对于选项 04 和 05，第三次捕获将为空。

编辑：既然问题的作者已经澄清了应该捕获哪些子字符串，我想这个简单明了的正则表达式是合适的：

\d+[^-]*-[^-"]*

它捕获选项编号，搜索第一个破折号，然后捕获下一个破折号或引号之前的所有内容：

<01 - Random phrase >
<02 - Another Random Phrase >
<03 - More 01 Phrase >
<04 - More Phrase >
<05 - Simple Phrase>

请注意，这里只是添加了尖括号以显示尾随空格。这是你想要的吗？