解析大型M3U文件时出错

Question

M3U文件是一个播放列表文件，它包含描述媒体文件、它们的名称、id、类别等的条目列表。第一行是元数据，第二行是文件或流URL。

例：

#EXTINF:-1 tvg-id="ChannelName" tvg-name="|FR| Channel" tvg-logo="http://logo" timeshift="1" group-title="|FR| FrenchChannel",|FR| Channel Fullname
URL

我的文件包含大约90,000条条目和160,000行。重量在20兆左右。

我想解析这个文件，并获取每个条目。我试过用这个正则表达式：

'(.+?),(?=(?:[^\"]*\"[^\"]*\")*[^\"]*$)(.+)\s*(.+)\s*'

它为我获取不同匹配组中的元数据、全名和URL。它可以很好地工作在不同的子集上，包括3万行和5万行。然而，当处理完整的集合时，匹配的时间太长了。我不能让它结束而不得不终止它。

我无法让这个解析工作，这是一个设计模式问题，还是只是正则表达式太慢？我很困惑。

Answer 1

一种选择可能是重复键值对，而不是使用非贪婪的.+?来防止不必要的回溯和省略正的查找头(?=。

^(#\S+(?:\s+[^\s="]+="[^"]+")+),(.*)\s*(.*)

解释

• 字符串的^开始
• (第一次捕获组
  • #\S+匹配#后面跟着一个非空格字符的0+时间
  • (?: [^\s="]+="[^"]+")+重复1+，重复键值对，在键值对前面加上1+，再加上空格字符

​

• )闭组1
• ,(.*)匹配逗号并捕获第2组中任意字符的0+次数
• \s*匹配0+乘以空格字符
• 第3组中的(.*)捕获与任何字符0+时间相匹配

Regex演示