做设计开店的网站网站超大文件上传
一、匹配场景
判断一个句子是不是正规英文句子
text = "I am a student"一个正常的英文句子如上，英文单词 + 空格隔开
英文单词 = 多个英文字符 [a-zA-Z]
空格用 \s 表示
那么一个句子就是单词 + 空格（一个或者多个，最后那个单词是0个）（可能有多个单词+空格）+ 最后一个句号 .
那正则就是
^([a-zA-Z]+(\s)*)+$JAVA代码
public static void main(String[] args) {String text = "I am a good student";String regex = "^([a-zA-Z]+(\\s)*)+$";Pattern pattern = Pattern.compile(regex);Matcher matcher = pattern.matcher(text);System.out.println(matcher.find());System.out.println(matcher.group(0));}输出结果：
true
I am a good student二、性能测试
regex101: build, test, and debug regexRegular expression tester with syntax highlighting, explanation, cheat sheet for PHP/PCRE, Python, GO, JavaScript, Java, C#/.NET, Rust.
https://regex101.com/
句子改成：I am a good good student
匹配成功了。39 step，耗时0.1ms，
但是假如把句子拉长点，最后加上一个问号 ？
I am a good good student？
83408 step，耗时5.4ms
假如把句子再拉长点，那么直接就干爆CPU，耗时指数增长，
为啥会这样呢？
三、正则的回溯陷阱
1、了解下NFA与DFA
- DFA (Deterministic finite automaton) 确定型有穷自动机
- NFA (Non-deterministic finite automaton) 非确定型有穷自动机
DFA ：遍历text字符串，去和Pattern匹配
NFA：遍历Pattern，去与text匹配
DFA（是电动机） 和NFA（汽油机） 都有很长的历史，不过，正如汽油机一样，NFA 的历史更长一些。也有些系统采用了混合引擎，它们会根据任务的不同选择合适的引擎（甚至对同一表达式中的不同部分采用不同的引擎，以求得功能与速度之间的最佳平衡）。 ——《精通正则表达式》
绝大多数编程语言都选择的引擎——NFA (非确定型有穷自动机) 引擎
2、NFA的回溯
字符串 ：abc
表达式：a(d|b)c
注意这个位置回退！！！
3、简易例子分析
表达式 = ^(a*)+$
文本 = aaaaaaaaaaaaaaab走了16w步，花了7.3ms
- 首先 (a*) 已经匹配到 aaaaaaaaaaaaaaa 了，
- (a*)+ 也匹配到 aaaaaaaaaaaaaaa ，
- 结束符$去匹配的时候，发现text不是结束，而是一个b
- 那吐出最后的a，变成 (aaaaaaaaaaaaaa) a ，没匹配上，继续吐
a* a*
(aaaaaaaaaaaaa) (aa)a* a* a*
(aaaaaaaaaaaaa) (a)(a)a* a*
(aaaaaaaaaaaa) (aaa)a* a* a*
(aaaaaaaaaaaa) (aa)(a)a* a* a* a*
(aaaaaaaaaaaa) (a)(a)(a)--> 吐到最后
(a)(a)(a)(a)(a)(a)(a)(a)(a)(a)(a)(a)(a)(a)(a)直接干爆CPU
4、咋优化?
1、对于 ^(a*)+$
直接把表达式
^(a*)+$
改成 ^(a*)$
把后面的 + 号去掉。
直接就是 5 Step，0.1ms
2、对于 ^([a-zA-Z]+(\s)*)+$
把后面的 + 号去掉。就不回溯了，
但是匹配不上，因为语句有问题，就是空格必须存在，但是最后的空格不存在
所以改成 ：^[a-zA-Z]+(\s[a-zA-Z]+)*$
遇到问号也不回溯
去掉问号也匹配上了
