java - 使用多个可重复捕获组的正则表达式

Question

我有一组非常统一的来自 Radius 消息的数据，我需要将其添加到我们的日志管理解决方案中。该产品提供了使用正则表达式以几种形式提取各种数据的能力。

1)您要提取的每条数据的单独正则表达式

    <data 1 = regex statement>
    <data 2 = different regex statement>    
    <data 2 = yet another regex statement>

2) 使用捕获组的单一正则表达式

    <group = regex statement with capture groups>
        <data 1 = capture group[X]
        <data 2 = capture group[Y]
        <data 3 = capture group[Z]
    </group>

<158>Jul 6 14:33:00 radius/10.10.100.12 radius: 07/06/2010 14:33:00 AP1A-BLAH (10.10.10.10) - 6191 / Wireless - IEEE 802.11: abc1234 - Access-Accept (AP: 000102030405 / SSID: bork / Client: 050403020100) 

我想提取几位数据，它们都在空格之间。以下内容似乎没有效率:

(.*?)\s(.*?)\s(.*?)\s(.*?)\s(.*?)\s(.*?)\s

那么，鉴于上面的数据，最有效的 Java Regex 将抓取一组空格之间的每个字段并将其放入捕获组中是什么？

Answer 1

你可以更具体:

(\S*)\s(\S*)\s(\S*)\s(\S*)\s(\S*)\s(\S*)\s

\S匹配非空格字符 - 这通过避免回溯使正则表达式更有效，并且如果输入不适合模式，它允许正则表达式更快地失败。

即，将正则表达式应用于字符串 Jul 6 14:33:00 radius/10.10.100.12 radius: 07/06/2010 时，它需要正则表达式引擎 2116 个步骤才能发现它无法匹配。上面的正则表达式失败了 168 步。

Alan Moore 建议使用 (\S*+)\s(\S*+)\s(\S*+)\s(\S*+)\s(\S*+)\s(\S*+)\s导致另一个改进 - 现在正则表达式在 24 步内失败(比初始正则表达式快近一百倍)。

如果匹配成功，Alan 和我的解决方案是等效的，您的正则表达式大约慢十倍。