正则高手帮看看那里出现问题CPU 100%

Question

本帖最后由 superliyubo 于 2012-05-05 12:35:54 编辑

Answer 1

String regex = "<table cellpadding=\"0\" cellspacing=\"0\" class=\"result\" id=\"\\d+\".*><tr><td class=f><h3 class=\"t\"><a.*href=\"([\\s\\S]*?)\".*target=\"_blank\">([\\s\\S]*?)</a>([\\s\\S]*?)<br>";
感觉正则表达式可以优化。
.*千万别这么弄，改成.*? 感觉你是.*用多了。

Answer 2

如果有换行 加上(?s)，具体翻API。

Answer 3

设置断点就卡死在这里了
while (m != null && m.find()) { //该正则在这里m.find卡死。。然后CPU就100%了

Answer 4

这个正则，可匹配度太高了，变成大量的回溯。比如这句话：
String regex = "<table cellpadding=\"0\" cellspacing=\"0\" class=\"result\" id=\"\\d+\".*><tr><td class=f><h3 class=\"t\"><a.*href=\"([\\s\\S]*?)\".*target=\"_blank\">([\\s\\S]*?)</a>([\\s\\S]*?)<br>";中的第一个片段：
id=\"\\d+\".*>建议修改成终止符法，不要让.*任意发挥：
id=\"\\d+\"[^>]*>把结束条件加进去，避免匹配失败所导致的回溯。
再比如第二个片段：
<a.*href=这种匹配也比较麻烦，因为：
  .*是贪婪算法，可以一直匹配到全文结束，然后再回溯。
应该修改为：
  .*?这种勉强算法，也就是能不匹配就不匹配。
结合前面建议的终止符法，改造为：
<a[^>]*?href=
  
建议一开始不要搞这么长的正则，慢慢来，逐步改造，逐步增加。

Answer 5

明显这样正则不对。
建议最好别用正则分析网页，使用jsoup等开源工具比较好。

Answer 6

[\\s\\S]问题在这里！把这个改成“.”并在这个正则表达式最前面加上 (?s) 就可以了。

Answer 7

非常感谢大家的热心回答已经解决了，特别感谢 ldh911