电子邮件匹配正则表达式在java中需要很长时间，但在java脚本中计算速度很快

Question

下面的Java电子邮件验证代码需要很长时间才能给出答案。

/* package whatever; // don't place package name! */

import java.util.*;
import java.lang.*;
import java.io.*;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/* Name of the class has to be "Main" only if the class is public. */
class abc {
    private static Pattern validEmailPattern = Pattern.compile("^[a-zA-Z0-9!#$%&'*+/=?^_`{|}~-]+(?:.[a-zA-Z0-9!#$%&'*+/=?^_`{|}~-]+)*"
            + "@(?:[a-zA-Z0-9](?:[a-zA-Z0-9-]*[a-zA-Z0-9])?.)+[a-zA-Z0-9](?:[a-zA-Z0-9-]*[a-zA-Z0-9])?$");

    public static void validateEmailPattern(String emailId) {
        Matcher emailMatcher = validEmailPattern.matcher(emailId);
        if (emailMatcher.matches()) {
            System.out.println("MATCHED");
        } else {
            System.out.println("UN- MATCHED");
        }

    }

    public static void main (String[] args) {
        String emailId = "tmaloneysdkjhrfsdlfhsldhflsdhflshlfhsf+NA5@amazonsdafshkjhfksefskdhkjksdhhfskjhfjhkhkffakhfkahskfhkahsdkjhf840h0ry0wy430ohwrghkcghkvlbhj.com";
        long start = System.currentTimeMillis();
        validateEmailPattern(emailId);
        long end = System.currentTimeMillis();
        System.out.println(end-start);
    }
}

而javascript中的计数器部分提供了很好的性能：

var email = "tmaloneysdkjhrfsdlfhsldhflsdhflshlfhsf+NA5@amazonsdafshkjhfksefskdhkjksdhhfskjhfjhkhkffakhfkahskfhkahsdkjhf840h0ry0wy430ohwrghkcghkvlbhj.com";

//Email is stored as a request preference whose max length is 200. Although email can be of 256 characters,
if (email.length <= 200) {
    var validEmailRegex = /^[a-zA-Z0-9!#$%&'*+\/=?\^_`{|}~-]+(?:\.[a-zA-Z0-9!#$%&'*+\/=?\^_`{|}~-]+)*@(?:[a-zA-Z0-9](?:[a-zA-Z0-9-]*[a-zA-Z0-9])?\.)+[a-zA-Z0-9](?:[a-zA-Z0-9-]*[a-zA-Z0-9])?$/;

    if(validEmailRegex.test(email)) {
        console.log("Matched");
    } else {
        console.log("Not Matched");
    }
}

这里有一个相同的小提琴：http://jsfiddle.net/amandeepautam/HKhw8/548/注意，有问题的电子邮件字符串长度不到200个字符。

造成这种情况的原因是什么？对java代码有什么建议的优化方案？我能想到的一个优化是(没有实现)将正则表达式分解成小的独立正则表达式，并评估域，独立启动中间部分。

Answer 1

要在java中匹配电子邮件，请使用regex：

"(?:[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*|\"(?:[\\x01-\\x08\\x0b\\x0c\\x0e-\\x1f\\x21\\x23-\\x5b\\x5d-\\x7f]|\\\\[\\x01-\\x09\\x0b\\x0c\\x0e-\\x7f])*\")@(?:(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?|\\[(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?|[a-z0-9-]*[a-z0-9]:(?:[\\x01-\\x08\\x0b\\x0c\\x0e-\\x1f\\x21-\\x5a\\x53-\\x7f]|\\\\[\\x01-\\x09\\x0b\\x0c\\x0e-\\x7f])+)\\])"

public static boolean isEmail(String mail)
{
    return Pattern.compile("(?:[a-z0-9!#$%&'*+/=?^_`{|}~-]+(?:\\.[a-z0-9!#$%&'*+/=?^_`{|}~-]+)*|\"(?:[\\x01-\\x08\\x0b\\x0c\\x0e-\\x1f\\x21\\x23-\\x5b\\x5d-\\x7f]|\\\\[\\x01-\\x09\\x0b\\x0c\\x0e-\\x7f])*\")@(?:(?:[a-z0-9](?:[a-z0-9-]*[a-z0-9])?\\.)+[a-z0-9](?:[a-z0-9-]*[a-z0-9])?|\\[(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?|[a-z0-9-]*[a-z0-9]:(?:[\\x01-\\x08\\x0b\\x0c\\x0e-\\x1f\\x21-\\x5a\\x53-\\x7f]|\\\\[\\x01-\\x09\\x0b\\x0c\\x0e-\\x7f])+)\\])").matcher(mail).find();
}

我查看了您的正则表达式，以发现灾难性的回溯:在Java正则表达式中，您没有转义第一个非捕获组开头的点和第二个非捕获组末尾的点。如果您避开了它们，正则表达式的运行速度会快得多，而不会出现灾难性的回溯。

在您的JavaScript正则表达式中，您已经正确地避开了这些点。

更正后的java正则表达式为：

"^[a-zA-Z0-9!#$%&'*+/=?^_`{|}~-]+(?:\\.[a-zA-Z0-9!#$%&'*+/=?^_`{|}~-]+)*@(?:[a-zA-Z0-9](?:[a-zA-Z0-9-]*[a-zA-Z0-9])?\\.)+[a-zA-Z0-9](?:[a-zA-Z0-9-]*[a-zA-Z0-9])?$"

Answer 2

可能的问题是你的正则表达式中出现了catastrophic backtracking

。

要正确使用电子邮件正则表达式是相当困难的。

Answer 3

回溯问题。

我会试一下html5规格中的这个。

http://www.w3.org/TR/html5/forms.html#valid-e-mail-address

 # "^[a-zA-Z0-9.!#$%&'*+/=?^_`{|}~-]+@[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?(?:\\.[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?)*$"

 ^ 
 [a-zA-Z0-9.!#$%&'*+/=?^_`{|}~-]+ 
 @
 [a-zA-Z0-9] 
 (?:
      [a-zA-Z0-9-]{0,61} 
      [a-zA-Z0-9] 
 )?
 (?:
      \. 
      [a-zA-Z0-9] 
      (?:
           [a-zA-Z0-9-]{0,61} 
           [a-zA-Z0-9] 
      )?
 )*
 $