Question

检查字符串是否与Ruby中的正则表达式匹配的最快方法是什么？

我的问题是我必须通过一个庞大的字符串列表“egrep”来查找与运行时给出的正则表达式匹配的字符串。 我只关心字符串是否匹配正则表达式，而不是匹配的位置，以及匹配组的内容是什么。我希望这个假设可以用来减少我的代码花费匹配的时间正则表达式。

我用

加载正则表达式

pattern = Regexp.new(ptx).freeze

我发现string =~ pattern略快于string.match(pattern)。

是否还有其他技巧或快捷方式可用于更快地进行此测试？

Answer 1

这是一个简单的基准：

require 'benchmark'

"test123" =~ /1/
=> 4
Benchmark.measure{ 1000000.times { "test123" =~ /1/ } }
=>   0.610000   0.000000   0.610000 (  0.578133)

"test123"[/1/]
=> "1"
Benchmark.measure{ 1000000.times { "test123"[/1/] } }
=>   0.718000   0.000000   0.718000 (  0.750010)

irb(main):019:0> "test123".match(/1/)
=> #<MatchData "1">
Benchmark.measure{ 1000000.times { "test123".match(/1/) } }
=>   1.703000   0.000000   1.703000 (  1.578146)

所以=~更快，但这取决于你想要的东西作为返回值。如果您只想检查文本是否包含正则表达式，请使用=~

Answer 2

从Ruby 2.4.0开始，您可以使用RegExp#match?：

pattern.match?(string)

Regexp#match?在release notes for 2.4.0中明确列为性能增强，因为它避免了由Regexp#match和=~等其他方法执行的对象分配：

<强>正则表达式匹配＃吗
添加了Regexp#match?，它执行正则表达式匹配而不创建后引用对象，并更改$~以减少对象分配。

Answer 3

这是我在网上找到一些文章后运行的基准。

2.4.0获胜者为re.match?(str)（根据@ wiktor-stribiżew的建议），在以前的版本中，re =~ str似乎最快，str =~ re几乎同样快。

#!/usr/bin/env ruby
require 'benchmark'

str = "aacaabc"
re = Regexp.new('a+b').freeze

N = 4_000_000

Benchmark.bm do |b|
    b.report("str.match re\t") { N.times { str.match re } }
    b.report("str =~ re\t")    { N.times { str =~ re } }
    b.report("str[re]  \t")    { N.times { str[re] } }
    b.report("re =~ str\t")    { N.times { re =~ str } }
    b.report("re.match str\t") { N.times { re.match str } }
    if re.respond_to?(:match?)
        b.report("re.match? str\t") { N.times { re.match? str } }
    end
end

结果MRI 1.9.3-o551：

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re =~ str         2.390000   0.000000   2.390000 (  2.397331)
str =~ re         2.450000   0.000000   2.450000 (  2.446893)
str[re]           2.940000   0.010000   2.950000 (  2.941666)
re.match str      3.620000   0.000000   3.620000 (  3.619922)
str.match re      4.180000   0.000000   4.180000 (  4.180083)

结果MRI 2.1.5：

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re =~ str         1.150000   0.000000   1.150000 (  1.144880)
str =~ re         1.160000   0.000000   1.160000 (  1.150691)
str[re]           1.330000   0.000000   1.330000 (  1.337064)
re.match str      2.250000   0.000000   2.250000 (  2.255142)
str.match re      2.270000   0.000000   2.270000 (  2.270948)

结果MRI 2.3.3（正则表达式匹配中存在回归，似乎）：

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re =~ str         3.540000   0.000000   3.540000 (  3.535881)
str =~ re         3.560000   0.000000   3.560000 (  3.560657)
str[re]           4.300000   0.000000   4.300000 (  4.299403)
re.match str      5.210000   0.010000   5.220000 (  5.213041)
str.match re      6.000000   0.000000   6.000000 (  6.000465)

结果MRI 2.4.0：

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re.match? str     0.690000   0.010000   0.700000 (  0.682934)
re =~ str         1.040000   0.000000   1.040000 (  1.035863)
str =~ re         1.040000   0.000000   1.040000 (  1.042963)
str[re]           1.340000   0.000000   1.340000 (  1.339704)
re.match str      2.040000   0.000000   2.040000 (  2.046464)
str.match re      2.180000   0.000000   2.180000 (  2.174691)

Answer 4

re === str（案例比较）怎么样？

由于它的计算结果为true或false，并且不需要存储匹配项，返回匹配索引和那些东西，我想知道它是否比=~更快地匹配。

好的，我测试了这个。 =~仍然更快，即使您有多个捕获组，但它比其他选项更快。

顺便说一下，freeze有什么用？我无法衡量它的任何性能提升。

Answer 5

根据正则表达式的复杂程度，您可以使用简单的字符串切片。我不确定这对您的应用程序的实用性，或者它是否真的可以提供任何速度改进。

'testsentence'['stsen']
=> 'stsen' # evaluates to true
'testsentence'['koala']
=> nil # evaluates to false

Answer 6

我想知道的是，是否有任何奇怪的方法可以更快地进行此检查，可能在Regexp或一些奇怪的构造中利用一些奇怪的方法。

Regexp引擎在实现搜索方式上有所不同，但一般来说，锚定模式以提高速度，避免贪婪匹配，尤其是在搜索长字符串时。

在您熟悉特定引擎的工作原理之前，最好的办法是做基准测试，添加/删除锚点，尝试限制搜索，使用通配符和显式匹配等。

Fruity gem对于快速进行基准测试非常有用，因为它很聪明。 Ruby的内置Benchmark代码也很有用，尽管你可以编写那些通过不小心来欺骗你的测试。

我已经在Stack Overflow上的许多答案中使用了这两个，所以你可以搜索我的答案，并会看到很多小技巧和结果，以便为你提供如何编写更快代码的想法。

要记住的最重要的事情是，在知道减速发生的位置之前过早优化代码是不好的。

Answer 7

要完成WiktorStribiżew和 Dougui 的答案，我会说/regex/.match?("string")的速度与"string".match?(/regex/)一样快。

Ruby 2.4.0（10 000 000~2 sec）

2.4.0 > require 'benchmark'
 => true 
2.4.0 > Benchmark.measure{ 10000000.times { /^CVE-[0-9]{4}-[0-9]{4,}$/.match?("CVE-2018-1589") } }
 => #<Benchmark::Tms:0x005563da1b1c80 @label="", @real=2.2060338060000504, @cstime=0.0, @cutime=0.0, @stime=0.04000000000000001, @utime=2.17, @total=2.21> 
2.4.0 > Benchmark.measure{ 10000000.times { "CVE-2018-1589".match?(/^CVE-[0-9]{4}-[0-9]{4,}$/) } }
 => #<Benchmark::Tms:0x005563da139eb0 @label="", @real=2.260814556000696, @cstime=0.0, @cutime=0.0, @stime=0.010000000000000009, @utime=2.2500000000000004, @total=2.2600000000000007>

Ruby 2.6.2（100 000 000~20 sec）

irb(main):001:0> require 'benchmark'
=> true
irb(main):005:0> Benchmark.measure{ 100000000.times { /^CVE-[0-9]{4}-[0-9]{4,}$/.match?("CVE-2018-1589") } }
=> #<Benchmark::Tms:0x0000562bc83e3768 @label="", @real=24.60139879199778, @cstime=0.0, @cutime=0.0, @stime=0.010000999999999996, @utime=24.565644999999996, @total=24.575645999999995>
irb(main):004:0> Benchmark.measure{ 100000000.times { "CVE-2018-1589".match?(/^CVE-[0-9]{4}-[0-9]{4,}$/) } }
=> #<Benchmark::Tms:0x0000562bc846aee8 @label="", @real=24.634255946999474, @cstime=0.0, @cutime=0.0, @stime=0.010046, @utime=24.598276, @total=24.608321999999998>

注意：时间有所不同，有时/regex/.match?("string")更快，有时"string".match?(/regex/)，差异可能仅由机器活动引起。

在ruby中检查字符串是否与正则表达式匹配的最快方法？

7 个答案: