pyr*_*rho 9 c c++ regex performance cross-platform
我们正试图摆脱boost :: regex,这是非常糟糕的表现.根据这个基准,Oniguruma是最好的整体.
我们有多个regexp(并且总是在变化),我们应用于从中(100个字符)到巨大(1k字符)的字符串...所以它是一个非常异构的环境.
有没有人成功使用它？您是否建议选择PCRE或RE2等更"标准"的产品？
谢谢 !
这两种实现(FSA和BT)具有完全不同的行为,您可以在右侧列(电子邮件)中看到.
oniguruma通常很快,但如果你对特定的regexp"不幸",它有可能慢慢运行.那是因为它是一种回溯算法.
相比之下,虽然re2通常稍慢,但它没有相同的风险 - 它的时间永远不会[*]以相同的方式爆炸(它没有最坏情况的指数行为).
所以这取决于细节.如果您确信您的正则表达式是安全的,或者愿意检测并中止缓慢的匹配,那么oniguruma是有意义的.但就我个人而言,我倾向于为re2的安全支付更多(不多).
有关此内容的更多信息,请参阅http://swtch.com/~rsc/regexp/regexp1.html(由re2作者提供).
[*]好吧,也许永远不会太强大.对于某些正则表达式,我认为它必须依赖于针对某些情况的BT方法(可能涉及匹配先前的匹配和前瞻).但它在大多数正则表达式上仍然更安全.
我已经用以下的库来做了一个基准测试:
该基准测试包括执行一系列测试,这些测试在非常异构的regexp(分组,不分组,长分(484个字符),短分布,管道,\,*,.等)上大量使用正则表达式.应用于从几个字符到大约8k字符的文本.
每次计算正则表达式匹配时,我都存储了正则表达式并增加了一个毫秒计数器,累计计算正则表达式所花费的时间(称为多次).
以下是每个库的所有regexp所花费的总时间:
*我们(几乎)总是希望在regexp中捕获组的内容,而re2在捕获组时会表现得非常糟糕(参见此处).您在上述结果中没有看到太多,因为当无法捕获该组时,它表现良好.例如在这个正则表达式上(执行了很多次):
^((?:https?://)?(?:[a-z0-9\-]{1,63}\.)+(?:[a-z0-9\-]{1,63}))(?:[^\?]*).*$
以下是每个库的结果:
请参阅re2的下降,从5663 ms到37 ms.
所以我的结论是,对于我们的使用,Oniguruma显然是优越的.
但是如果你不需要捕获组,re2是一个更好的选择,因为我发现它的API更容易使用.