为HTML解析

Question

优化的正则表达式我用这个表达式：

.*[hH]([1-9])\\.\\s*(.*)\\s* 

用java与Matcher.find()方法。

在长文本这个正则表达式需要大量的时间来查找结果。

如何优化正则表达式？有人可以向我推荐一些优化的正则表达式？

Answer 1

您可以使用此：

[hH]([1-9])\\.\\s*+(\\S+) 

其中\\S是所有这不是一个白色字符（的\\s否定）

Possessive quantifiers*+用来禁止回溯。

正如Ian Roberts在他的评论中注意到的那样，领先的(.*)在这里似乎毫无用处。

Answer 2

您应该在之前测试长文本试图运行正则表达式。

String longText=... 
if(longText.matches(myRegex)) { 
    //Matcher.find 
} 

这样你就不会浪费你的时间。

但是，如果你真的面对longt文本，我可以建议你使用强大的html解析器Jsoup？