Question

我对这两者之间的区别感到惊讶：

strapply(state.name, "^(?:Al|Ma)(.).*(.)$", simplify=rbind, FUN=c, perl=T)
     [,1] [,2] [,3]
[1,] "a"  "a"  ""  
[2,] "a"  "a"  ""  
[3,] "i"  "e"  ""  
[4,] "r"  "d"  ""  
[5,] "s"  "s"  ""  
strapply(state.name, "^(?:Al|Ma)(.).*(.)$", simplify=rbind, FUN=c)
     [,1] [,2]
[1,] "a"  "a" 
[2,] "a"  "a" 
[3,] "i"  "e" 
[4,] "r"  "d" 
[5,] "s"  "s"

对此有明显的解释吗？显然不是一件大事，特别是从以下情况开始：

strapply(state.name, "^(?:Al|Ma)(.).*(.)$", simplify=rbind, FUN=c, perl=T, backref=-2)

迫使正确答案，但我想确保我理解引擎的差异。据推测，这与不同的反向检测策略有关？从小插图：

由于gsubfn使用可能耗时的试错法算法来自动确定反向引用的数量，因此即使要传递所有后向引用，也可以通过指定backref来加快性能。

松散相关，我通常可以假设tclk比pcre快得多吗？似乎来自一些非正式的基准测试。

Answer 1

使用R引擎时strapply计算出捕获组本身的位置。您可以通过告诉它有多少人注意到它来帮助它。当使用tcl引擎时，tcl函数（最终用C语言编写）定位捕获组，使其不同的代码执行工作计算差异。

关于速度strapplyc是包中最快的函数，而gsubfn和strapply较慢。 strapplyc在非常长的字符串上可能特别快，但是对于你必须在R和tcl之间反复来回的情况，这样做会有一些开销。

对于一个长字符串的示例，请尝试?strapplyc末尾的一个字符串，其中提取了James Joyce一书中的所有单词Ulysses。在编写strapplyc时，某些不涉及gsubfn软件包的替代方法在我的系统上使用该示例崩溃了R，但是strapplyc能够处理它并快速完成。

如果速度非常重要，请注意分解字符串是昂贵的，所以如果你能找到一种不能做到这一点的方法，那么你就可以获得速度优势。例如，gregexpr只返回位置，因此它实际上不必移动字符串的副本，我希望它会更快，前提是您的代码不必随后在后续步骤中提取字符串。

使用tcl只是利用现有R设施获得一些速度的简单方法。对我来说，gsubfn，strapply和strapplyc的主要优势在于它们可以用来更轻松地表达某些操作。所涉及的正则表达式有时更简单（通常不需要零长度前瞻，即使在替代方案中也是如此）并且gsubfn和strapply具有更丰富的替换对象集（字符串，函数，列表和原型对象）。使用proto对象，它们可以在连续匹配之间保持状态（例如用i替换每个字符串中的第i个匹配）。有关详情，请参阅随附的vignette和home page。

gsubfn：perl和tclk之间的区别？

1 个答案: