Question

我正在运行一系列针对数据块的正则表达式。我们最近从Activestate perl 5.8 32bit（我知道......非常老！）升级到perl 5.16 64bit。所有硬件保持不变（窗口）。

我们注意到性能受到影响，而我们的解析循环需要大约2.5秒，现在大约需要5秒。任何人都可以给我一个暗示会导致变化的提示吗？我期待性能提升，因为我的理解是引擎有了很大的改进，任何关于我应该做的事情的文档都会非常感激。

Answer 1

是的，在v8之后，正则表达式引擎得到了很大的改进。在第10版中，我们看到了：

模式递归
命名捕获
占有量词
回溯控制动词，例如(*FAIL)或(*SKIP)。
\K运算符
......还有一些

此外，更多内部设备可以识别Unicode。

在v12中，清除了Unicode支持。现在，正则表达式中的\p和\X运算符得到了极大的增强。

在第14版中，Unicode支持被提升到6.0。 \N运算符的字符名得到了改进（另请参阅charnames编译指示）。新的字符模型可以将任何无符号整数视为代码点。在正则表达式引擎中，

正则表达式现在可以携带charclass修饰符，如/u，/d，/l，/a，/aa。
实施了/r的非破坏性嫌疑。
RE引擎现在是可重入的，因此嵌入代码可以使用正则表达式。
\p已清理
当需要切换到unicode语义时，正则表达式编译速度更快。

在v16中，perl几乎支持Unicode 6.1。在正则表达式引擎中，

\p charclasses的效率提高了。
修复了各种正则表达式错误（通常涉及不区分大小写的匹配）。

显然，并非所有这些功能都需要付出代价，但尤其是Unicode感知会使内部组件更复杂，速度更慢。

你也不能放弃一只手，并说明脚本的执行时间从perl5 v8 x86加倍到perl5 v16 x64;变量太多了：

是否都使用相同的标志编译Perls？
- 都是perls线程perls（禁用线程支持使其更快）
- 你的整数有多大？ 64位还是32位？
- 选择了哪些编译器优化？
您以前的Perl是否已应用了一些特定于发行版的修补程序？

基本上，您必须比较整个perl -V输出。

如果你使用正则表达式达到性能上限，它们可能是进行大量解析的错误工具。至少，您可以使用较新的功能来优化正则表达式，以消除一些回溯。

如果您的解析代码描述了（大致）无上下文语言（即您不使用(?{...})，(?=...)或相关的正则表达式功能），解析意味着执行类似生成树的操作，那么Marpa::R2可能会大大加快速度。

Answer 2

如果您正在寻找更好的性能，您可能还需要确保正则表达式是您想要的。您没有指定系统使用的正则表达式，但通常可以使用内置函数替换正则表达式。

示例：

if (lc($name) eq 'bob') { $bob_count++ }  #Faster
if ($name =~ /^bob$/i)  { $bob_count++ }  #Slower

my $sentiment = "I don't like beans.";
substr($sentiment, 13, 5) = 'broccoli';   #Faster
$sentiment = "I don't like beans.";
$sentiment =~ s/beans/broccoli/;          #Slower

这些示例以及unpack和index可能不适用于您的代码，但如果他们这样做，您应该对它们进行基准测试，看看它是否有助于提高性能。

从perl 5.8（32bit）升级到5.16（64bit） - 正则表达式性能上升

2 个答案: