スピードアップJava正規表現

Question

私はクロールしたウェブページから特定のURLを抽出する正規表現をjavaに持っています。これらのURLは基本的にjavascriptとスタイルシートで、ページに組み込まれます。私は、正規表現を使用して文書を解析するのではなく、これらを抽出することを選択しました。これは、文書を解析することで、私にとって付加価値がないためです。

有効なURL（絶対または相対）を取得するには、私は、次の正規表現を使用します。

([^"',\(]*)/endofurl 

それは/ endofurl 『「この例では、」（と、URLの』末端との間に何かを取り出します。

例：。

問題は、それはおそらく（[^ "」、（] *）の部分）の（つまり、高速ではないということです がすることによってこれをスピードアップする方法はあります例えば、 '/ endofurl'部分を探すようにするまず開始文字の1つに達するまで元に戻りますか？

Answer 1

これには正規表現を使用する必要はありません。

/endofurlを探す：

int endOfUrl = s.indexOf("/endofurl"); 

その後（endOfUrl != -1ことを確認した）、その前,か(を"の最初の発生を見つける：

int start = Math.max( // Fictional version of Math.max which takes 3 inputs. 
    s.lastIndexOf('"', endOfUrl), 
    s.lastIndexOf(',', endOfUrl), 
    s.lastIndexOf('(', endOfUrl)); 

そして、（確認したことstart != -1）エキスを文字列：

String substring = s.substring(start + 1, endOfUrl + "/endofurl".length()); 

endOfUrl + 1から次の繰り返しを検索し、String.indexOf(String, int)のオーバーロードをindexOfとします。

Answer 2

たとえば、 '/ endofurl'部分を最初に探して、次に開始文字の1つに達するまで戻っていく方法がありますか？

私が考えることができる本当に恐ろしい方法があります：逆の文字列を検索してください。

Pattern pattern = Pattern.compile("lrufodne/[^"',(]*"); 
Matcher matcher = pattern.matcher(new StringBuilder(s).reverse().toString()); 
while (matcher.find()) { 
    System.out.println(new StringBuilder(matcher.group()).reverse().toString()); 
} 

私はこれをお勧めしません。基本的な文字列操作だけで簡単に使用できます。

---

代替は、あなたがしたくない文字で文字列を分割することで、及び/endofurlを含む文字列を探します：

for (String part : s.split("[^\"',(]")) { 
    int endOfUrl = part.indexOf("/endofurl"); 
    if (endOfUrl != -1) { 
    System.out.println(part.substring(0, endOfUrl + "/endofurl".length()); 
    } 
} 

しかし、再び、私はもっと基本的な文字列のために行くだろう操作：ここで追加の文字列と配列をすべて実際に構築する必要はありません。

Answer 3

それとも

"([\w.]*/)*endofurl 

に正規表現を変更し、完全一致を使用することができます。これにより、366ステップから36ステップになり、（大幅に）高速化されます。

See it here at regex101。