Perché queste espressioni regolari vengono eseguite lentamente in Java?

Question

Sto cercando di utilizzare le espressioni regolari per determinare quale formato l'utente ha applicato quando si immette l'input in una casella di testo.
Le espressioni regolari sono i seguenti:

(\\s?[" + alphabet + "]{9,9})+ 

Per determinare se l'input è una o più stringhe di lunghezza 9 in un dato alfabeto, eventualmente separati da spazi.

(>[\\w\\s]+\\n[" + alphabet + "\\s]+)+ 

Per verificare se l'ingresso è in FASTA format

Le espressioni regolari corrono terribilmente lento in caso di corrispondenza con . Perchè è questo?

Ho immaginato che ciò potrebbe essere dovuto a Java che memorizza tutte le potenziali corrispondenze (che non ho bisogno a questo punto), ma l'aggiunta di ?: in ogni parentesi spezza la regex. Come dovrebbe essere fatto?

Grazie,

Martin

Edit 1: non sono riuscito a riprodurre il problema - succede solo su un computer. Questo potrebbe suggerire qualcosa di sbagliato in quella particolare configurazione VM.
Abbiamo bisogno di qualcosa di più robusto, e quindi lo implementeremo in modo diverso. Ho scelto la risposta di Joel come quella giusta, dal momento che credo che alcuni casi speciali in Pattern potrebbero essere la causa.

Answer 1

Se si dispone di un numero di modelli di espressioni regolari diversi confrontati con lo stesso input per provare a classificare l'input, è probabile che si stia utilizzando un generatore di analizzatore lessicale come JFlex.

Altri strumenti di analisi lessicale basati su Java e strumenti di analisi utilizzati in genere nella compilazione del compilatore sono elencati here.

Answer 2

string.matches() compilare la regex ogni volta che lo si fa. Invece, guarda le classi Pattern/Matcher, che ti permettono di memorizzare le regex precompilate.

Un'altra cosa è utilizzare i gruppi di espressioni regolari non acquisibili se non è necessario il risultato della corrispondenza.

Answer 3

questo potrebbe non spiegare il tuo particolare problema. ma una volta mi sono tuffato nell'implementazione regex di JDK, e sono rimasto sorpreso dal fatto che lo non sofisticato sia lo. in realtà non costruisce una macchina a stati che avanza a ogni input char. Presumo che abbiano le loro ragioni.

nel tuo caso, è così facile da scrivere un parsing da solo, a mano. la gente ha paura di farlo, sembra "stupido" codificare manualmente questi piccoli passaggi, e la gente pensa che le biblioteche affermate debbano fare degli splendidi trucchi per sovraperformare le soluzioni nazionali. non è vero. in molti casi, i nostri bisogni sono piuttosto semplici, ed è più semplice e veloce per il fai-da-te.