现在这个对我来说是一个很大的挑战。
我在一个文件中有大约 1000 个查询，所有类似的模式如下：
***\*XYZ#PQR#\****
现在，其中 # 表示任意数量的非空白字符。
我已经编写了一段代码，可以读取上述行并生成相应的正则表达式。
但是，大约有 100,000 名候选人，正如我提到的那样，大约有 1000 个这样的查询需要为匹配进行评估。
这使我的代码在计算上非常昂贵，因为它的数量级为 m*n。
我经历过 ANTLR，发现学习曲线非常陡峭。虽然这听起来很有希望，但我仍然怀疑是否可以通过使用 Antlr 来实现。请让我知道您的意见或任何其他可行的解决方案。
在我看来，您拥有数以千计的单个正则表达式，r1, r2, ... r1000，它们标识了结果 A、B、C、...的一些固定集合（远小于单个正则表达式的数量）。 .
在那种情况下，您可以将结果 A 的正则表达式 a1, a2, ... an 和结果 B 的 b1, ... bm 逻辑组合。知道正则表达式的理论性质）。
大多数表达正则表达式的系统（可能不是你的）允许你把它写成
a1 | a2 | .. | an --> A
或一些等效的语法。这样的系统通常与所谓的词法分析器生成器相关联，它允许编译器编写者根据字符来表达标记的细粒度语法。
此类工具的一个巨大优势是，匹配（所有正则表达式）标记的工作通常相对于正则表达式的数量是次线性的，这可以通过计算一个有限状态机来实现，其中前缀由某些集合共享正则表达式只被识别一次。这可能意味着巨大的加速，并直接适用于您的情况。
广泛使用的工具 FLEX 非常有效地完成了这项工作。ANTLR 有某种机制来识别表示为正则表达式的标记，但我不知道它是否会生成有效的有限状态匹配器。
完成它。使用 Regex，需要一个小时，使用 Lucene、WildCardQueries 和 booleanQuery 来处理排列，工作在 11 分钟内完成。*希望有人可以在一周内制定学习 Flex 的时间表。但是 Lucene 是大型数据集、Regex 和 Crunching 的不错选择。它可能并不总能解决您的问题，但它只是另一种解决方案。
我认为 ANTLR 没有必要，因为可以进行简单的字符串查找和替换：#-> \\.*。应删除星号。
所以*Telecom#Servic#*你得到了Telecom\\.*Servic\\.*. 您还可以添加 $ 和 ^ 来检查字符串的开头/结尾。