Desempenho de regex Java
Estou tentando analisar links com regex com Java.
Mas acho que está ficando muito lento. Por exemplo, para extrair todos os links de:
http://news.google.com.ar/nwshp?hl=es&tab=wn... está gastando 34642 milissegundos (34 segundos !!!)
Aqui está o regex:
private final String regexp = "<a.*?\\shref\\s*=\\s*([\\\"\\']*)(.*?)([\\\"\\'\\s].*?>|>)";
Os sinalizadores para o padrão:
private static final int flags = Pattern.CASE_INSENSITIVE | Pattern.DOTALL |Pattern.MULTILINE | Pattern.UNICODE_CASE | Pattern.CANON_EQ;
E o código pode ser algo como isto:
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){
}
}
Você pode me dar uma dica?
Dados extras:
1Mbit
Core 2 Duo
1Gb de RAM
Single Threaded