Question

Perl FAQ条目How do I strip blank space from the beginning/end of a string?表明使用

s/^\s+|\s+$//g;

比分两步执行速度慢：

s/^\s+//;
s/\s+$//;

为什么这个组合语句明显慢于单独语句（对于任何输入字符串）？

Answer 1

使用“固定”或“锚定”子串而不是“浮动”子串时，Perl正则表达式运行时运行得更快。当您可以将其锁定到源字符串中的某个位置时，会修复子字符串。 '^'和'$'都提供锚定。但是，当您使用交替“|”时，编译器不会将选项识别为已修复，因此它使用优化程度较低的代码来扫描整个字符串。并且在该过程结束时，寻找两次固定字符串要比查找一次浮动字符串快得多。在相关的说明中，阅读perl的regcomp.c会让你失明。

<强>更新：这是一些额外的细节。如果您使用调试支持编译它，则可以使用'-Dr'标志运行perl，并且它将转储正则表达式编译数据。这是你得到的：

~# debugperl -Dr -e 's/^\s+//g'
Compiling REx `^\s+'
size 4 Got 36 bytes for offset annotations.
first at 2
synthetic stclass "ANYOF[\11\12\14\15 {unicode_all}]".
   1: BOL(2)
   2: PLUS(4)
   3:   SPACE(0)
   4: END(0)
stclass "ANYOF[\11\12\14\15 {unicode_all}]" anchored(BOL) minlen 1

# debugperl -Dr -e 's/^\s+|\s+$//g'
Compiling REx `^\s+|\s+$'
size 9 Got 76 bytes for offset annotations.

   1: BRANCH(5)
   2:   BOL(3)
   3:   PLUS(9)
   4:     SPACE(0)
   5: BRANCH(9)
   6:   PLUS(8)
   7:     SPACE(0)
   8:   EOL(9)
   9: END(0)
minlen 1

请注意第一个转储中的“锚定”一词。

Answer 2

其他答案表明完全锚定的正则表达式允许引擎优化搜索过程，只关注开头或结尾或字符串。通过使用不同长度的字符串比较两种方法的速度差异，您似乎可以看到此优化的效果。随着字符串变长，“浮动”正则表达式（使用交替）会受到越来越多的影响。

use strict;
use warnings;
use Benchmark qw(cmpthese);

my $ws = "   \t\t\n";

for my $sz (1, 10, 100, 1000){
    my $str = $ws . ('Z' x $sz) . $ws;
    cmpthese(-2, {
        "alt_$sz" => sub { $_ = $str; s/^\s+|\s+$//g },
        "sep_$sz" => sub { $_ = $str; s/^\s+//; s/\s+$// },
    });
}

           Rate alt_1 sep_1
alt_1  870578/s    --  -16%
sep_1 1032017/s   19%    --

            Rate alt_10 sep_10
alt_10  384391/s     --   -62%
sep_10 1010017/s   163%     --

            Rate alt_100 sep_100
alt_100  61179/s      --    -92%
sep_100 806840/s   1219%      --

             Rate alt_1000 sep_1000
alt_1000   6612/s       --     -97%
sep_1000 261102/s    3849%       --

Answer 3

由于这两种方法在逻辑上是等价的，因此它们在评估性能上没有内在的原因。然而，在实践中，一些引擎将无法在更复杂的正则表达式中发现优化。

在这种情况下，组合的正则表达式作为一个整体是未锚定的，因此它可能在字符串中的任何点处匹配，而^\s+在开始时锚定，因此匹配是微不足道的，{ {1}}锚定在最后，并为每个字符提供一个单一的字符类，从最后向后 - 一个经过良好优化的引擎将识别该事实并将反向匹配，这使得它像{{1}一样微不足道}匹配输入的反向。

Answer 4

如果情况确实如此，那么这将是因为正则表达式引擎能够针对单个正则表达式优化而不是针对组合正则表达式进行优化。

“明显更慢”是什么意思？

为什么s / ^ \ s + | \ s + $ // g;比两个单独的替换慢得多？

4 个答案: