优化：(\\[abc]区[^abc])*

Question

我有一个长Regex (JavaScript)，它包含以下构造：

((\\\\)|(\\[abc])|([^abc]))*

regex说：

匹配任何不包含字母a、b和c的字符串。

除非他们是被反斜杠逃脱的。

如果反斜杠是逃跑的(如。( \\a)，也不匹配这些字母。

这里有一个简单的匹配示例：

eeeaeaee\aee\\\\ae\\\\\aee

我想知道是否有可能优化这个正则表达式。这只是一个小例子，我使用的实际正则表达式更大，而且我有很多代码两次。

Answer 1

我认为更符合逻辑(而且可能更快)的regexp应该是这样的：

(?:[^abc\\]|\\.)*

换句话说，反斜杠将逃避任何东西，包括另一个反斜杠。

注意以下几点:首先，如果不需要捕获匹配的部分，请使用非捕获组。给你买了点表演。第二，当有多种选择时，把最常见的选择放在第一位。

这样您可能会获得更好的性能(尝试一下)：

[^abc\\]*(?:\\.[^abc\\]*)*

而不是对每个字符进行交替，这将“吃掉”的非特殊字符运行的一个步骤。嵌套*可能是坏消息，在正则表达式不匹配的情况下，会导致二次(或更糟)运行时，但在这种情况下不会发生这种情况。

在写这个答案时，我发现JS的regex引擎没有占有匹配器。太糟糕了--如果你有机会的话，你可能会有更好的表现。(实现regex掌握的一个重要提示:当性能测试正则表达式时，始终测试它匹配和不匹配的地方。最坏的表现通常发生在没有的时候。)

Answer 2

可以在反斜杠后匹配任何字符，也可以匹配[abc]中没有的任何字符。

(\\.|[^abc])*

这将符合完全相同的语言。

我认为更清楚的是，如果你把它翻转成这样，你的意图是：

([^abc]|\\.)*