Я пытаюсь разобрать ссылки с регулярным выражением с Java.
Но я думаю, что это слишком медленно. Например, чтобы извлечь все ссылки из:
... это тратит 34642 миллисекунды (34 секунды !!!)
Вот регулярное выражение:
private final String regexp = "<a.*?\\shref\\s*=\\s*([\\\"\\']*)(.*?)([\\\"\\'\\s].*?>|>)";
Флаги для рисунка:
private static final int flags = Pattern.CASE_INSENSITIVE | Pattern.DOTALL |Pattern.MULTILINE | Pattern.UNICODE_CASE | Pattern.CANON_EQ;
И код может быть примерно таким:
private void processURL(URL url){
URLConnection connection;
Pattern pattern = Pattern.compile(regexp, flags);
try {
connection = url.openConnection();
InputStream in = connection.getInputStream();
BufferedReader bf = new BufferedReader(new InputStreamReader(in));
String html = new String();
String line = bf.readLine();
while(line!=null){
html += line;
line = bf.readLine();
}
bf.close();
Matcher matcher = pattern.matcher(html);
while (matcher.find()) {
System.out.println(matcher.group(2));
}
} catch (Exception e){
}
}
Можете ли вы дать мне подсказку?
Дополнительные данные:
1Мбит
Core 2 Duo
1 ГБ ОЗУ
Однопоточная