Question

我想知道一个RegEX引擎，在尝试匹配正则表达式之前，检查数据是否具有正则表达式所需的最小长度。例如，由999“a”组成的数据中的正则表达式“a {1000}”失败。可以获得结果，避免应用正则表达式，并且仅对数据的长度（以及正则表达式的最小值）执行一些检查。那么，一般来说，RegEX引擎会执行这种测试吗？特别是我很想知道Python的 re 模块是否可以做到这一点。

Answer 1

特别是我很想知道Python的re模块是否可以做到这一点。

测量表明它确实存在。

import re
import timeit
def test(charsInString, charsInRegex):
    regex = re.compile('a{'+str(charsInRegex)+'}')
    string = 'a'*charsInString;
    for i in range(1, 200000):
        regex.match(string)
print(timeit.timeit("test(1, 1)", setup="from __main__ import test", number=1))
print(timeit.timeit("test(1, 2)", setup="from __main__ import test", number=1))
print(timeit.timeit("test(1, 5000)", setup="from __main__ import test", number=1))
print(timeit.timeit("test(4999, 5000)", setup="from __main__ import test", number=1))
print(timeit.timeit("test(5000, 5000)", setup="from __main__ import test", number=1))
print(timeit.timeit("test(50000, 5000)", setup="from __main__ import test", number=1))

输出：

0.9117504503834146
0.8135033788142646
0.819454105947109
0.8154557798237785
15.441637204298287
15.412751909222905

更复杂的一个：

import re
import timeit
def test2(charsInString):
    regex = re.compile('((ab{3,5}c+){5000,6000}d)+e*f')
    string = 'abbbbcc'*charsInString;
    for i in range(1, 100000):
        regex.match(string)
print(timeit.timeit("test2(1)", setup="from __main__ import test2", number=1))
print(timeit.timeit("test2(3571)", setup="from __main__ import test2", number=1))
print(timeit.timeit("test2(3572)", setup="from __main__ import test2", number=1))

输出：

0.04918821760123643
0.04305112491748375
60.76094317352544

与正则表达式匹配的字符串的最小长度

1 个答案: