尝试:
time perl -E '$x="a" x 100000; $x =~ /[\w\W]+x/i'
将运行很长时间(在我的笔记本上20秒)。没有
/i
,例如time perl -E '$x="a" x 100000; $x =~ /[\w\W]+x/'
在0.07秒内完成。
不管正则表达式
[\w\W]
没有多大意义,这种巨大的差异使我感到惊讶。为什么会有如此大的差异?
编辑
更准确地说:
$ time perl -E '$x="a" x 100000; $x =~ /[\w\W]+x/i'
real 0m19.479s
user 0m19.419s
sys 0m0.038s
我的
perl
Summary of my perl5 (revision 5 version 20 subversion 3) configuration:
Platform:
osname=darwin, osvers=15.0.0, archname=darwin-2level
uname='darwin nox.local 15.0.0 darwin kernel version 15.0.0: sat sep 19 15:53:46 pdt 2015; root:xnu-3247.10.11~1release_x86_64 x86_64 '
config_args='-Dprefix=/opt/anyenv/envs/plenv/versions/5.20.3 -de -Dusedevel -A'eval:scriptdir=/opt/anyenv/envs/plenv/versions/5.20.3/bin''
hint=recommended, useposix=true, d_sigaction=define
useithreads=undef, usemultiplicity=undef
use64bitint=define, use64bitall=define, uselongdouble=undef
usemymalloc=n, bincompat5005=undef
Compiler:
cc='cc', ccflags ='-fno-common -DPERL_DARWIN -fno-strict-aliasing -pipe -fstack-protector -I/opt/local/include',
optimize='-O3',
cppflags='-fno-common -DPERL_DARWIN -fno-strict-aliasing -pipe -fstack-protector -I/opt/local/include'
ccversion='', gccversion='4.2.1 Compatible Apple LLVM 7.0.0 (clang-700.1.76)', gccosandvers=''
intsize=4, longsize=8, ptrsize=8, doublesize=8, byteorder=12345678
d_longlong=define, longlongsize=8, d_longdbl=define, longdblsize=16
ivtype='long', ivsize=8, nvtype='double', nvsize=8, Off_t='off_t', lseeksize=8
alignbytes=8, prototype=define
Linker and Libraries:
ld='env MACOSX_DEPLOYMENT_TARGET=10.3 cc', ldflags =' -fstack-protector -L/opt/local/lib'
libpth=/Applications/Xcode.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/bin/../lib/clang/7.0.0/lib /Applications/Xcode.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/lib /usr/lib /opt/local/lib
libs=-lpthread -lgdbm -ldbm -ldl -lm -lutil -lc
perllibs=-lpthread -ldl -lm -lutil -lc
libc=, so=dylib, useshrplib=false, libperl=libperl.a
gnulibc_version=''
Dynamic Linking:
dlsrc=dl_dlopen.xs, dlext=bundle, d_dlsymun=undef, ccdlflags=' '
cccdlflags=' ', lddlflags=' -bundle -undefined dynamic_lookup -L/opt/local/lib -fstack-protector'
Characteristics of this binary (from libperl):
Compile-time options: HAS_TIMES PERLIO_LAYERS PERL_DONT_CREATE_GVSV
PERL_HASH_FUNC_ONE_AT_A_TIME_HARD PERL_MALLOC_WRAP
PERL_NEW_COPY_ON_WRITE PERL_PRESERVE_IVUV
PERL_USE_DEVEL USE_64_BIT_ALL USE_64_BIT_INT
USE_LARGE_FILES USE_LOCALE USE_LOCALE_COLLATE
USE_LOCALE_CTYPE USE_LOCALE_NUMERIC USE_PERLIO
USE_PERL_ATOF
Locally applied patches:
Devel::PatchPerl 1.38
Built under darwin
Compiled at Oct 28 2015 14:46:19
@INC:
/opt/anyenv/envs/plenv/versions/5.20.3/lib/perl5/site_perl/5.20.3/darwin-2level
/opt/anyenv/envs/plenv/versions/5.20.3/lib/perl5/site_perl/5.20.3
/opt/anyenv/envs/plenv/versions/5.20.3/lib/perl5/5.20.3/darwin-2level
/opt/anyenv/envs/plenv/versions/5.20.3/lib/perl5/5.20.3
.
从问题的背景来看:实际代码将字符串与大量正则表达式(某种反垃圾邮件)匹配,因此我无法可靠地手动检查正则表达式数据库。真正的代码片段是
sub docheck {
...
...
foreach my $regex (@$regexs) {
if ( $_[0] =~ /$regex/i ) {
而
[\w\W]+
是10k正则表达式之一:(,例如:[\w\W]+medicine\.netfirms\.com
-regex-DB可能需要清理-但...您知道:)现在,代码已更改:
sub docheck {
...
my $str = lc($_[0]);
foreach my $regex (@$regexs) {
if ( $str =~ /$regex/ ) {
所以避免
/i
。
最佳答案
TL; DR
在第二种情况下,优化器非常智能,并且意识到
字符串中没有"x"
,因此无法进行匹配,并且会更早失败。
但是,对于/i
情况,同时测试两个
大写和小写x
,所以它继续进行并尝试匹配整个正则表达式。
调试
尽管我无法重现如此大的性能差异,但是针对区分大小写的匹配触发了优化。
让我们以'debug'
模式运行它:
代码
use re 'debug';
$x="a" x 100000;
$x =~ /[\w\W]+x/;
-Mre=debug
添加到perl调用中。 输出
Compiling REx "[\w\W]+x"
Final program:
1: PLUS (13)
2: ANYOF[\x{00}-\x{7F}][{non-utf8-latin1-all}{unicode_all}] (0)
13: EXACT <x> (15)
15: END (0)
floating "x" at 1..9223372036854775807 (checking floating) stclass ANYOF[\x{00}-\x{7F}][{non-utf8-latin1-all}{unicode_all}] plus minlen 2
Matching REx "[\w\W]+x" against "aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa"...
Intuit: trying to determine minimum start position...
Did not find floating substr "x"...
Match rejected by optimizer
Freeing REx: "[\w\W]+x"
并注意最后一部分:Intuit: trying to determine minimum start position... Did not find floating substr "x"... Match rejected by optimizer
优化器尝试查找
"x"
的第一个匹配项,由于找不到它,因此在正则表达式引擎甚至尝试匹配之前就拒绝匹配。Perl正则表达式经过了优化,希望尽早失败而不是成功。
慢速情况
我无法在终端上重现相同的行为(Perl v5.20.2),但在以后的优化中失败了,这可能是由于特定于版本的差异所致。但是,在这种情况下不会进行不区分大小写的
"x"
的优化。不会触发此优化,因为它有超过一种匹配主题的可能性(小写的
"x"
和大写的"X"
)。现在,在没有优化的情况下,正则表达式引擎理论上会尝试将
"x"
匹配为:[\w\W]+
中进行所有可能的匹配(使用整个字符串,然后回溯1个字符,等等)。当然,还有其他优化措施可以减少此数量,但这就是为什么它这么慢的原因。请注意,它随着字符串的增加呈指数增长。
解决方法
如果您不特别要求x之前至少要有一个字符,则应使用
/.*x/is
,因为在第一个位置尝试匹配后它会失败(优化器实际上将.*
anchor 定到文本的开头)。*感谢@nhahtdh提出了这一点。
但是,对于可能出现此行为的更一般的情况,一种提高性能的选项是在其余代码之前检查
"x"
(作为独立条件或在同一正则表达式中):$x =~ /(?:^(*COMMIT)(?=.*x))?[\w\W]+x/is;
(?:^
... )?
如果在字符串开头,则仅检查一次。 (?=.*x)
如果前面有一个x
(*COMMIT)
否则,它会回溯,并且 COMMIT
是控制动词,会使整个匹配失败。 这将运行得更快。
关于regex - 为什么正则表达式/[\w\W] + x/i运行起来会非常慢?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34009968/