正則表達式效率使用交替與單個正則表達式

Question

我正在寫一個CSV解析器，併爲了檢測我可以期望獲得的文件的不同數據類型，我有一個每個數據類型的地圖，每個包含正則表達式我將其定義爲有效且可識別的。例如，對於我的整數值，這裏是我的地圖：

Map<String, String> integerFormatRegexps = new HashMap<String, String>(); 
integerFormatRegexps.put("^[1-9]\\d{1,9}$", "##0"); 
integerFormatRegexps.put("^-[1-9]\\d{1,9}$", "-##0"); 
integerFormatRegexps.put("^0$", "0"); 

現在，我已經見過幾個examples這裏，所以這裏的而不是這些正則表達式分離，他們使用的交替，在那裏，而不是三個正則表達式，我可以只使用一個：

Map<String, String> integerFormatRegexps = new HashMap<String, String>(); 
integerFormatRegexps.put("^[1-9]\\d{1,9}$|^-[1-9]\\d{1,9}$|^0$", "Integer"); 

我的問題是這兩種方法的將是一般更有效，在Java的匹配模式是什麼時候？迭代通過單獨的簡單正則表達式來查找匹配項，還是僅匹配一個更復雜的正則表達式？

Answer 1

首先，我不得不說，效率不太可能成爲您的問題。你的正則表達式相對簡單，並且在解壓縮之後，你似乎正在使用它們來隔離值。

也就是說，需要注意的是，不同的分支可以匹配相同的字符。最好的例子是(.|\s)，有時由尚不知道DOTALL /單行模式（或[\S\s]，如this question）的正則表達式初學者使用。把它放在另一個良性的正則表達式的中間，用它來搜索一個不是特別大的文本，然後看你的計算機變得緊張。

但是，您的示例正則表達式很好，因爲每個分支必須以不同的東西開頭（[1-9],-或0）。但正如我所說的，我認爲正則表達式的效率不會是一個問題。做你認爲更方便的事情;是更緊湊的代碼和更少數量的正則表達式對於更大，更難維護的正則表達式是合理的權衡？

還有一件事：如果您在緊密循環中反覆使用正則表達式，請務必使用緩存的Pattern對象;編譯它們的成本很高。實際上，考慮將它們存儲在Map中作爲模式而不是字符串。例如：

Pattern integerRegex = Pattern.compiile("^[1-9]\\d{1,9}$|^-[1-9]\\d{1,9}$|^0$"); 

Map<String, String> integerFormatRegexps = new HashMap<String, String>(); 
integerFormatRegexps.put(integerRegex, "Integer"); 

然後您可以使用靜態的Pattern.matches()方法來執行檢查。