我刚刚用Java创建了一个正则表达式，我想在大约5000条推文中查找表达式，每条推文几乎要花一秒钟，为什么这么慢？
如果该表达式太复杂或执行某项操作的成本太高？我希望可以在不到5秒的时间内处理整个数据。
代码是：
public class RegularExpression {
public static void main(String[] args) throws IOException {
String filter = ".*\"created_at\":\"(.*?)\".*\"content\":\"(.*?word.*?)\",\"id\".*";
Pattern pattern = Pattern.compile(filter);
List<String> tweets = FileUtils.readLines(new File("/tmp/tweets"));
System.out.println("Start with " + tweets.size() );
int i=0;
for (String t : tweets){
Matcher matcher = pattern.matcher(t);
matcher.find();
System.out.println(i++);
}
System.out.println("End");
}
}
输入是JSON tweets。如果我简化我的RE，它的运行速度会更快，但是，我认为我的RE并不那么繁重。我想了解为什么会这样，我只是在检查测试。
更新：
我尝试解析JSON时使用RE的原因是，最后，我可以从任何类型的服务器中获取简单的文本和XML（JSON格式）日志。因此，我必须像纯文本一样处理我的输入。
您的正则表达式在允许匹配的内容上非常不精确。最重要的是，您似乎想在引号之间匹配文本，但是您允许引号字符成为匹配项的一部分（.*可以并且将很高兴匹配"！）。这使您有可能在声明失败/成功之前，正则表达式引擎必须检查大量的排列，具体取决于您的输入。
如果实际上引号可能不是您当前与之匹配的文本的一部分.*，则使用[^"]*；应该可以大大加快速度：
"[^\"]*\"created_at\":\"([^\"]*)\"[^\"]*\"content\":\"([^\"]*word[^\"]*)\",\"id\"[^\"]*"
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句