正則表達式（與環顧）優化

Question

我試圖從文本中拉出實體，並希望有一個簡單的機制（直到我們部署一個NLP解決方案）以避免否定。例如： 我想找到

病人Cynicisimitis

的歷史，但避免

Cynicisimitis

的無病史

，也避免

Cynicisimitis

的

家族史爲此我使用多個lookbehinds讓我的正則表達式是這樣的：

((?<!(?i)no.{1,25}|denies.{1,35}|family.{1,35}|father.{1,10}|mother.{1,10})(?-i)${stringToMatch}) 

我嘗試添加\ B向負回顧後，認爲這將減少處理器將擁有的入口點，但這實際上使性能更差。

問題是 - 這看起來表現非常糟糕。

Answer 1

你可以做什麼：

• 使用\b以避免錯誤匹配（尤其是與「不」字）
• 在刪除無用(?-i)（內嵌修飾符僅適用於它在哪裏的組。）
• 上分解時有可能減少.{m,n}

的性能影響您獲得：

(?<!(?i)\b(?:no\b.{1,25}|(?:denies|family)\b.{1,35}|(?:fa|mo)ther\b.{1,10})\b)history of Cynicisimitis\b

你可以嘗試什麼：

• 使用懶惰量詞，而不是貪婪量詞：把回顧後的stringToMatch後\bno\b.{1,25}?

• ：

  \bhistory of Cynicisimitis\b(?<!(?i)\b(?:no\b.{1,25}|(?:denies|family)\b.{1,35}|(?:fa|mo)ther\b.{1,10})\bhistory of Cynicisimitis)

• 使用基本字符串搜索（即遠遠超過正則表達式）來查找stringToMatch的偏移量，將子字符串從offset-50提取到offset+stringToMatch.length+1，並且僅在子字符串上測試模式之後提取子字符串。

Answer 2

那麼，看完卡西米爾（。*）的回答，我結束了這個正則表達式 -

(?<!(?i)\\bno\\b.{1,40})(?<!(?i)denie[sd].{1,50})(?<!(?i)family.{1,40})(?<!(?:(?i)fa|mo)ther.{1,20})(?<!(?:(?i)fr|m|p)aternal.{1,20})(${stringToMatch})" 

基本上，我打破了單一的長期負面看到周圍的幾個負面的背後。 這是提高性能的步驟，處理速度最快〜30％。

我會更新，如果我有更多的進展。