1.加快匹配失败的速度。如果要匹配的信息数量远小于所有文本数量，那么匹配失败的次数是远远大于匹配成功的次数的，这样一来绝大部分时间是花在匹配失败上了。这时候应该注意你正则表达式匹配失败的速度。加速正则表达式匹配失败的速度，也是加快了整个匹配过程的速度。

2.范围问题。适当缩小匹配的范围，找到带匹配文本的显著特征，在你正则表达式中暴露出来，可以很大程度上缩小正则表达式的匹配范围。例如：我要匹配的文本中含有一个￥符号，全文中￥符号恰巧数量很少，这时候暴露出来￥，就会很大程度上缩小范围。

3.使用非捕获组替代捕获组。捕获组花费时间和内存用于记录后向引用，并保持它们是最新的。如果不需要一个后向引用，可通过使用非捕获组避免这种开销。

4.减少回溯次数。减少回溯次数的办法我是用的主要有：减少分支数量、使用恰当的量词、将常用的分支放在最左边。

减少分支数量：在使用分支条件 | 时，分支过多会造成回溯次数过多。不是必要使用分支的话，可以使用字符类。当必须使用分支的时候，尽量将出现次数多的分支放在前面。例如我要匹配 之前、以前、前、往前，我大体统计下“以前”出现的次数最多，其次是之前、前、往前，于是我可以写成(?:以前|之前|前|往前)

使用恰当的量词：比如我能确定要匹配的字符串的大致长度，我尽量写成{1,5}而不是{1,}、{0,}、*、+。总之将贪婪模式变成非贪婪模式。

tips：上面的 前、之前……我如果写成[之以往前]{1,2}匹配效率会提升很多，但同时要避免跟其他正则表达式匹配范围重合。例如上面的与[之以往后]{1,2}匹配范围重复。

5.将复杂的过长的正则式拆开，分成几个正则式进行匹配。

6.能用程序代码解决的问题别用正则表达式。例如，我想判断文本中有没有“日期不限”、“不限期限”这样的字眼。使用正则式回溯次数太多。在python中使用if “日期不限” or “不限期限” in my_string: pass