c++ - Perl 正则表达式运行速度快于 C++ Boost 实现

Question

我对这里发生的事情有点困惑。我见过的大多数基准测试表明 Boost 在性能方面接近于 Perl，甚至超过它。然而，在我的脚本中，我的 Perl 实现速度快了 5-6 倍。

我在 test_script.cpp 和 test_script.pl 中打开文件并逐行读取，填充一个数组。然后，我针对线性定义中的正则表达式定义列表运行这些字符串，直到它们匹配，在这种情况下什么也没有发生(出于测试目的删除了 I/O)，然后比较下一个字符串，等等，直到我们比较了所有字符串.

测试脚本.pl:

#make incomingList, which contains all incoming strings
my $start = Time::HiRes::gettimeofday();

foreach (@incomingList) {
  my $inString = $_;
  &find_pattern($inString);
}

my $end = Time::HiRes::gettimeofday();
printf("%.6f\n", $end - $start);

查找模式方法:

sub find_pattern {
  my $URLString = $_[0];

  #1 rewrite
  if($URLString =~ m/^\/stuff\/brands-([^\/]*)\/(.*)?$/) {

  }
  #2 rewrite
  elsif($URLString =~ m/^\/coupons(\/.*)?$/){

  }
  #3 rewrite
  elsif($URLString =~ m/^\/han\/(.+)$/){

  }
  # ...continues on, there are 100 patterns. 
}

测试脚本.cpp: 主要方法:

populateArray();
//make stringArr, which contains all incoming strings
struct timeval time;
gettimeofday(&time, NULL);
double t1=time.tv_sec+(time.tv_usec/1000000.0);   

for(int j =0; j < 10000; j++){
  getRule(stringArr[j]);
 }

gettimeofday(&time, NULL);
double t2=time.tv_sec+(time.tv_usec/1000000.0);
printf("%.6lf seconds elapsed\n", t2-t1);

填充数组方法:

static void populateArray(){
regexArray[1] =  boost::regex ("\\/stuff\\/brands-([^\\/]*)\\/(.*)?");
regexArray[2] =  boost::regex ("\\/coupons(\\/.*)?");
regexArray[3] =  boost::regex ("\\/han\\/(.+)"); 
//continues on, 100 definitions. 
}

获取规则方法:

static void getRule(string inQuery){
  for(int i =1; i < 100; i++){
    if(boost::regex_match(inQuery, regexArray[i])){
      break; 
     }
  }

我知道我在 perl 中做 if else 检查的线性列表可能看起来有点奇怪，但那是因为我必须稍后单独重新格式化每个规则。无论如何，除非我误解了什么，否则这两个脚本非常相似 - 它们查找这个正则表达式定义列表直到找到匹配项，然后它们继续处理其他传入的字符串。

那么为什么这些结果如此不同呢？ 对于 100 条规则(两个脚本都使用相同的规则)和 10,000 个输入， .cpp 平均约为 0.155 秒，而 .pl 平均约为 0.028 秒。 编辑:使用编译器优化后，C++ 脚本的运行时间约为 0.091 秒，仍然较慢。

任何见解都值得赞赏。

Answer 1

除了打开编译器优化设置外，尝试使用 boost::regex_constants::optimize 选项，它会指示正则表达式库构建最佳正则表达式状态机。

static void populateArray(){
regexArray[1] =  boost::regex ("\\/stuff\\/brands-([^\\/]*)\\/(.*)?", boost::regex_constants::optimize);
//continues on, 102 definitions. 
}

此外，请务必通过对 getRule 的引用而不是通过值来传递，因为您不希望堆分配的潜在开销。

如果您可以确保编译器内联该函数，那最好。

此外，正如 Oals 在上面评论的那样，您没有像在 Perl 中那样使用 C++ 正则表达式中的开始和结束行 anchor 。 ^...$