展开循环，何时使用

Question

我试图了解正则表达式中的展开循环。之间的最大区别是：

MINISTÉRIO[\s\S]*?PÁG

和

MINISTÉRIO(?:[^P]*(?:P(?!ÁG\s:\s\d+\/\d+)[^P]*)(?:[\s\S]*?))PÁG

在这种情况下：

http://regexr.com/3dmlr

我为什么应该使用第二个，如果第一个做相同的事情？

谢谢。

Answer 1

什么是展开循环

请参阅此展开循环技术源：

此优化方法用于优化表格的重复替换(expr1|expr2|...)*。这些表达式并不罕见，并且在交替中使用另一个重复也可能导致超线性匹配。超线性匹配源自不确定性表达式(a*)*。

展开循环技术基于以下假设：在大多数情况下，您会重复进行交替，哪种情况应该是最常见的，哪种情况是例外的。我们将第一个称为正常情况，将第二个称为特殊情况。展开循环技术的一般语法可以写成：

普通*（特殊普通*）*

因此，这是一种优化技术，其中的交替变成线性匹配的原子。

由于这些展开模式涉及较少的回溯，因此使它们非常有效。

当前场景

您MINISTÉRIO[\s\S]*?PÁG是is的非展开模式MINISTÉRIO[^P]*(?:P(?!ÁG)[^P]*)*PÁG。请参阅演示（两者都保存有PCRE选项，以在上面的框中显示步骤数。各正则表达式引擎的正则表达式性能不同，但这将告诉您确切的性能差异）。在之后添加更多文本text：第一个正则表达式将开始需要完成更多步骤，第二个正则表达式仅在添加后显示更多步骤P。因此，在文本中您在已知部分使用的字符不常见的情况下，展开模式非常有效。

请参阅我的答案中的和量词之间.*?.*[^"]*+的区别，以了解延迟匹配的工作原理（您的用法与DOTALL修饰符在允许a 匹配换行符的语言中[\s\S]*?相同）。.*?.

绩效问题

惰性匹配模式是否总是缓慢且效率低下？并非总是如此。对于非常短的字符串，通常更好地使用惰性点匹配（1-10个符号）。当我们谈论长输入时，可能有前导定界符而没有尾随定界符，这可能导致过多的回溯，从而导致超时问题。

当您有可能很长的任意输入并且可能不匹配时，请使用展开模式。

当您的输入受到控制时，请使用惰性匹配，因为您知道总会有匹配项，某些已知的设置日志格式等。

奖励：通常展开的模式

1. 贪婪的令牌

2. 常规字符串文字（"String\u0020:\"text\""）："[^"\\]*(?:\\.[^"\\]*)*"

3. 多行注释正则表达式（/* Comments */）：/\*[^*]*\*+(?:[^/*][^*]*\*+)*/

4. @<...>@ 评论正则表达式： @<[^>]*(?:>[^@]*)*@