如何存储大量正则表达式并找出与给定字符串匹配的表达式？

核心思路 #

平时都是用正则找匹配的字符串，你现在要反过来用字符串找匹配的正则，核心就是要少做无用功，别傻乎乎把所有正则挨个跑一遍，先过滤掉肯定不沾边的，再对剩下的做匹配。

实用优化方案 #

1. 先分组再过滤 #

• 给你的正则按特征归类，比如把开头是http://的放一组，包含@的放一组，前缀长度是5的放一组。
• 拿到目标字符串后，先提取它的特征：比如开头是ftp://，那直接跳过http://那组；字符串里没@，就跳过带@的正则组。这样一下子就能排除一大波不可能匹配的正则。

2. 提前编译正则 #

• 不管用哪种语言，都把所有正则提前编译成可复用的对象（比如Python里用re.compile()，Java里用Pattern），别每次匹配都重新编译一遍，太费CPU。
• 用个字典存起来，键是正则字符串，值是编译好的对象，要用的时候直接拿出来用就行。

3. 前缀树缩小范围 #

• 如果你的正则大多有固定前缀（比如user_、order_这类），可以把这些前缀做成前缀树。
• 拿目标字符串的前缀去树里找，找到所有对应前缀的正则，只对这些正则做匹配，范围一下子就小了很多。

4. 数据库加特征字段过滤 #

• 要是你还是想用数据库存正则，给表加几个特征字段，比如prefix（正则的固定前缀）、has_special_char（有没有特殊字符）。
• 查询的时候先靠这些字段筛出可能匹配的正则，再拿出来做匹配，不用把所有正则都捞出来。

关于Elasticsearch的用法 #

ES本身不能直接用字符串匹配存储的正则，但可以用脚本查询实现：

• 写个Painless脚本，遍历存储的正则字段，用Pattern.matcher(你的字符串).matches()判断是否匹配。
• 但这种方式性能一般，适合正则数量不是特别多的场景，最好先分组过滤缩小范围再用脚本查。

总结下 #

如果正则数量特别多（十万级以上），优先用分组+前缀树的组合，先过滤再匹配；数量中等的话，提前编译加数据库特征过滤就够了；ES可以用，但得做好前置过滤，不然性能拉胯。

内容的提问来源于stack exchange，提问作者BBloggsbott