正则表达式（带环视）优化答案

【问题标题】：Regex (with lookaround) optimization正则表达式（带环视）优化
【发布时间】：2014-06-08 16:43:48
【问题描述】：

我正在尝试从文本中提取实体，并希望有一个简单的机制（直到我们部署 NLP 解决方案）来避免否定。例如：我要找

患者有犬炎病史

但要避免

无犬瘟病史

也要避免

犬瘟的家族史

为此，我使用多个lookbehinds 使我的正则表达式看起来像这样：

((?<!(?i)no.{1,25}|denies.{1,35}|family.{1,35}|father.{1,10}|mother.{1,10})(?-i)${stringToMatch})

我尝试将 \b 添加到负面的lookbehind中，认为这会减少处理器将拥有的入口点，但这实际上使性能变得更糟。

问题是 - 这似乎表现得很糟糕。

【问题讨论】：

标签： regex regex-lookarounds

【解决方案1】：

你可以做什么：

使用\b 来避免错误匹配（尤其是“no”一词）
删除无用的(?-i)（内联修饰符仅适用于它所在的组。）
在可以减少.{m,n} 的性能影响时进行分解

您获得：

(?<!(?i)\b(?:no\b.{1,25}|(?:denies|family)\b.{1,35}|(?:fa|mo)ther\b.{1,10})\b)history of Cynicisimitis\b

你可以尝试什么：

使用惰性量词代替贪婪量词：\bno\b.{1,25}?
将lookbehind放在stringToMatch之后：

\bhistory of Cynicisimitis\b(?<!(?i)\b(?:no\b.{1,25}|(?:denies|family)\b.{1,35}|(?:fa|mo)ther\b.{1,10})\bhistory of Cynicisimitis)
使用基本字符串搜索（比正则表达式快得多）查找 stringToMatch 的偏移量，提取从 offset-50 到 offset+stringToMatch.length+1 的子字符串，并且仅在对子字符串测试您的模式之后。

【讨论】：

Tnx 的答案，我正在尝试。很快就会更新。

【解决方案2】：

好吧，在阅读了 Casimir(.*) 的答案后，我最终得到了这个正则表达式 -

(?<!(?i)\\bno\\b.{1,40})(?<!(?i)denie[sd].{1,50})(?<!(?i)family.{1,40})(?<!(?:(?i)fa|mo)ther.{1,20})(?<!(?:(?i)fr|m|p)aternal.{1,20})(${stringToMatch})"

基本上，我将单一的、长期的负面环视分解为几个负面的环视。这是提高性能最多的步骤，处理速度提高了约 30%。

如果我有更多进展，我会更新。

【讨论】：