java - Java中的正则表达式性能问题

Question

我想使用以下 Java 代码提取 HTML-body-Tags 中的所有文本:

Pattern.compile(".*<\\s*body\\s*>(.*?)<\\s*/\\s*body\\s*>.*", Pattern.DOTALL);

..

matcher.find() ? matcher.group(1) : originalText

这对于 html 来说效果很好，但对于不包含任何 html(并且没有 body 元素)的较大文本，例如较大的堆栈跟踪调用 ma​​tcher.find() 会花费大量时间。

有谁知道这是什么原因吗？以及如何使这个正则表达式更加高效？

提前致谢!

Answer 1

现在的正则表达式是:

<\\s*?body\\s*?>(.*?)<\\s*?/\\s*?body\\s*?>

表达式开头和结尾的 .* 已被删除，现在它可以正常快速地工作。此外，所有量词现在都是非贪婪的。

感谢您的有用评论!