如何编写最优正则表达式匹配最后']'后仅含单个空格的日志行？

问题分析 #

你需要匹配的日志行特征是：最后一个]后仅包含一个空格，无其他内容。原正则^.*?\s+.*?\s+.*?\s+.*?\s+.*?]\s$因大量使用非贪婪匹配.*?，导致正则引擎频繁回溯，匹配步骤随字符串长度指数增长，性能极差。

最优正则方案 #

针对日志行的固定结构，用精准匹配代替模糊的非贪婪匹配，避免不必要的回溯，优化后的正则如下：

^\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}\.\d{3}\s+[A-Z]+\s+\([0-9a-fA-F]+-[0-9a-fA-F]+-\d+\)\s+\[\d+\]\s+\[[^\]]+\]\s$

正则各部分解释 #

• ^\d{4}-\d{2}-\d{2}T\d{2}:\d{2}:\d{2}\.\d{3}：精准匹配时间戳（格式如2024-07-17T11:06:45.838）
• \s+[A-Z]+：匹配日志级别（如INFO，支持所有大写字母级别）
• \s+\([0-9a-fA-F]+-[0-9a-fA-F]+-\d+\)：匹配带括号的ID（如(05b8-1bf8-1)，十六进制段+数字结尾）
• \s+\[\d+\]：匹配第一个方括号内的数字（如[0002]）
• \s+\[[^\]]+\]：匹配第二个方括号内的任意内容（直到]结束，确保这是最后一个]）
• \s$：匹配行末的单个空格，确保无后续内容

匹配验证 #

将该正则应用到你的日志示例中：

• 成功匹配前两行（符合要求的行）
• 第三行（末尾有%%4114）、第四行（末尾有描述文本）、第五行（末尾有额外日志内容）均不会被匹配

性能优势 #

该正则全程使用确定性匹配，无模糊的非贪婪匹配带来的回溯，匹配步骤数与字符串长度呈线性关系，性能远优于原正则，处理大日志文件时优势尤为明显。

内容的提问来源于stack exchange，提问作者Po_temkin