Java正则表达式性能：勉强量词还是字符类？

Question

这两种方法哪个更高效，或者（如果等效）哪一种更易读？我正在尝试匹配括号内的所有内容。

Pattern p1 = Pattern.compile("\\([^)]*\\)");
Pattern p2 = Pattern.compile("\\(.*?\\)");

对我来说，第二个读起来更好，但使用了可能会引起困惑的勉强量词，我不确定这是否会导致性能损失。

编辑

不要错过显示这个更好的答案：

Pattern p3 = Pattern.compile("\\([^)]*+\\)");

- Cory Kendall

Answer 1

\([^)]*\)会更快，尽管如果输入较小时可能不会注意到。当您使[^)]*具有所有权时，更好的收益可能会发生：[^)]*+。这样，正则表达式引擎将不会跟踪[^)]*匹配的所有字符，以防需要回溯（在[^)]*\)的情况下不会发生回溯）。使模式具有所有权会导致正则表达式引擎不记住此模式已匹配的字符。

同样，这可能不会引起注意，但如果您的输入变得更大，则^*我非常确定.*?和[^)]*之间的差异小于[^)]*和[^)]*+之间的差异。

^*运行一些基准测试以确保！

- Bart Kiers

Answer 2

这个相比于“p2”的非贪婪方式，性能更好，因为后者会导致回溯。

Pattern p1 = Pattern.compile("\\([^)]*\\)");

看看这篇文章。

- xdazz

---

在链接的文章中，@BartKiers描述了它为“使用惰性量词，使引擎在每个字符之后向前回溯”，这对我来说有些意义。 - Cory Kendall

@CoryKendall，啊，我没看文章。根据“非贪婪方式，会导致回溯”的措辞，我以为他的意思是贪婪方式不会导致回溯。现在我明白了xdazz（和文章作者）的意思。谢谢！ - Bart Kiers