रेगेक्स अनुकूलन - जावा

Question

में एम्परसैंड से बचने के लिए मुझे एक स्ट्रिंग में सभी को प्रतिस्थापित करने की आवश्यकता है जो HTML इकाई का हिस्सा नहीं है। ताकि स्ट्रिंग "यह & entites > & <" वापस आ जाएगी "यह & entites > & <"

और मैं इस regex पैटर्न ले कर आए हैं: "& [एक-zA-Z0-9] {2 , 7}; "जो ठीक काम करता है। लेकिन मैं regex में बहुत कुशल नहीं हूं, और जब मैं 100k पुनरावृत्तियों से अधिक गति का परीक्षण करता हूं, तो यह पिछली प्रयुक्त विधि पर दोहरा समय का उपयोग करता है, जिसने रेगेक्स का उपयोग नहीं किया। (लेकिन 100% या तो काम कर रहे हैं)।

Testcode:

long time = System.currentTimeMillis(); 
String reg = "&(?!&#?[a-zA-Z0-9]{2,7};)"; 
String s="a regex test 1 & 2 1&2 and &_gt; - &_lt;" 
for (int i = 0; i < 100000; i++) {test=s.replaceAll(reg, "&amp;");} 
System.out.println("Finished in:" + (System.currentTimeMillis() - time) + " milliseconds"); 

तो सवाल होगा कि क्या वहाँ है अनुकूलन के कुछ स्पष्ट तरीके इस regex अभिव्यक्ति इसे और अधिक प्रभावी होने के लिए के लिए?

Answer 1

s.replaceAll(reg, "&") प्रत्येक बार नियमित अभिव्यक्ति संकलित कर रहा है। पैटर्न को संकलित करने से प्रदर्शन में कुछ वृद्धि होगी (इस मामले में ~ 30%)।

long time = System.currentTimeMillis(); 
String reg = "&(?!&#?[a-zA-Z0-9]{2,7};)"; 
Pattern p = Pattern.compile(reg); 
String s="a regex test 1 & 2 1&2 and &_gt; - &_lt;"; 
for (int i = 0; i < 100000; i++) { 
    String test = p.matcher(s).replaceAll("&amp;"); 
} 
System.out.println("Finished in:" + 
      (System.currentTimeMillis() - time) + " milliseconds"); 

Answer 2

मैं जावा regex वर्गों के साथ बहुत परिचित नहीं हूँ, लेकिन सामान्य रूप में आप के लिए एक शून्य चौड़ाई अग्रदर्शी की जाँच करना चाहते हो सकता है; एम्परसैंड के बाद।

Here is a link का वर्णन सकारात्मक और नकारात्मक lookaheads

Answer 3

ऐसा करने का एक और तरीका है regexp के साथ अपने सिर उड़ाने wihtout Commons Lang से StringEscapeUtils उपयोग करने के लिए किया जाएगा।

Answer 4

आप अपने लुक-आगे जोर से & को बाहर करने के लिए है। तो यह नियमित अभिव्यक्ति की कोशिश:

&(?!#?[a-zA-Z0-9]{2,7};) 

या अधिक सटीक होना करने के लिए:

&(?!(?:#(?:[xX][0-9a-fA-F]|[0-9]+)|[a-zA-Z]+);)