ave*_*age 5 c++ regex perl assembly pcre
我在考虑改进.我目前正在对日志文件进行大量的文本处理.
我并不是说PCRE是慢速/快速或任何其他实现.
我写的语言主要是Perl.我知道它有一个强大的正则表达式引擎,我知道它比PCRE更具表现力.
我有这个想法,用C++编写一个小的正则表达式引擎,可以将正则表达式编译为raw nasm.
我知道PCRE非常复杂,我的假设是我可以跳过PCRE在非必要处理方面做的很多事情.而且我当然可以比Perl更快,因为它使用类似vm的操作码和各种可以被认为是开销的东西.
我前段时间已经开始实施了.我不打算在这里发布,因为我没有任何问题,我可以把它带到最后并获得一个能够进行捕获,能够解释+ * ^ $,字符类的正则表达式引擎(虽然我没有完成了我将正则表达式转换为汇编语言的部分)
这是一个好主意还是一个坏主意？在达到良好表现方面可能出现什么问题？
tl; dr => C++ mini-regex引擎可以生成本机程序集比现有的正则表达式实现更快吗？
我认为这个问题的答案非常明显.理想情况下,是的,它可能是.但是,即使你非常聪明地处理这种事情,也需要花费大量的开发工作才能达到这样的程度,在大多数情况下,你只比现有的库稍微好一点 - 甚至更长时间才能完成所有工作错误.所以没有多大意义.
Perl的regexp速度快但速度不快.请参阅Russ Cox对Perl与Thompson风格的正则表达式引擎的分析,以便对性能差异和关于如何正确执行的理论进行抨击.
如果你不想实现Thompson/Cox的方案,你应该考虑Ragel,一个非常快速的正则表达式处理器.Ragel完成了构建高效自动机的艰苦工作,然后为目标编译器语言生成代码.它允许编译器完成将"转换为机器代码"的艰苦工作.
它可能是您正在考虑建造的发动机.
如果这些不够好,您应该在非常快速的流匹配器中跟踪IBM最近的工作.我认为Davide Pasetto的论文可能很有意义.