编写更好的正则表达式表达式,不使用惰性重复量词

Question

我有一个正则表达式:

(<select([^>]*>))(.*?)(</select\s*>)

由于它使用延迟重复量词,对于更长的字符串(选项超过500),它回溯超过100,000次并失败.请帮我找一个更好的正则表达式,不使用懒惰重复量词

Answer 1

<select[^>]*>[^<]*(?:<(?!/select>)[^<]*)*</select>

...或以人类可读的形式：

<select[^>]*>    # start tag
[^<]*            # anything except opening bracket
(?:              # if you find an open bracket
  <(?!/select>)  #   match it if it's not part of end tag
  [^<]*          #   consume any more non-brackets
)*               # repeat as needed
</select>        # end tag

这是弗里德尔在他的书“掌握正则表达式”中开发的“展开循环”技术的一个示例。我使用基于不情愿量词的模式在 RegexBuddy 中进行了快速测试：

(?s)<select[^>]*>.*?</select>

...大约需要 6,000 步才能找到匹配项。展开的循环模式仅需要 500 步。当我从结束标记 ( </select) 中删除右括号时，使匹配变得不可能，只需要 800 步就报告失败。

如果您的正则表达式风格支持所有格量​​词，也可以继续使用它们：

<select[^>]*+>[^<]*+(?:<(?!/select>)[^<]*+)*+</select>

实现匹配所需的步骤数大致相同，但在此过程中使用的内存要少得多。如果不可能匹配，它会更快失败；在我的测试中，大约需要 500 步，与找到匹配项所需的步数相同。