我有越来越多的正则表达式,我用它来解析搜索"有趣"错误和调试语句的日志文件.我现在将它们分成5个桶,其中大部分落入3个大桶中.到目前为止,我有超过140种模式,而且这个模式正在不断增长.
大多数正则表达式都很简单,但它们也相当独特,因此我用单一模式捕获多个匹配的机会很少.由于我匹配的性质,模式往往是模糊的,因此很少匹配,所以我在每个输入行上做一个TON工作,最终结果是它无法匹配任何东西或匹配最后的通用之一.
由于输入的数量(数百兆字节的日志文件),我有时会等待一两分钟才能完成脚本.因此,我希望有一个更有效的解决方案.不过,我对牺牲速度的清晰度并不感兴趣.
我目前的正则表达式设置如下:
if (($line =~ m{Failed in routing out}) ||
($line =~ m{Agent .+ failed}) ||
($line =~ m{Record Not Exist in DB}) ||
...
是否有更好的方法来构建它,以便它更有效,但仍然可维护？谢谢!
您可以将正则表达式与交替运算符组合|,如下所示: /pattern1|pattern2|pattern3/
显然,如果将所有这些都放在一行中,它将无法维护,但您可以选择减轻这种情况.
/x正则表达式修改器很好地隔开它们,每行一个.如果你选择这个方向,请注意:你必须明确指定你期望的空格字符,否则它们会被忽略/x.您可以通过组合各个源在运行时生成正则表达式.像这样(未经测试):
my $regex = join '|', @sources;
while (<>) {
next unless /$regex/o;
say;
}
您可能想看一下Regexp :: Assemble.它旨在处理这种问题.
从模块的概要中提升代码:
use Regexp::Assemble;
my $ra = Regexp::Assemble->new;
$ra->add( 'ab+c' );
$ra->add( 'ab+-' );
$ra->add( 'a\w\d+' );
$ra->add( 'a\d+' );
print $ra->re; # prints a(?:\w?\d+|b+[-c])
您甚至可以从单独的文件中剔除正则表达式集合.