在C / Java中处理的正则表达式比在Python中快多少？

Question

我正在寻找比较python和静态类型语言（如C，Java或C ++）之间正则表达式速度的基准测试。我还想听听正则表达式的Cython性能。

Answer 1

这可能更多地取决于个人实施而不是语言。

例如，有些模式是O（N ² ），有些实现，但是〜O（N）和其他模式。具体而言，大多数RE实现基于NFA（非确定性有限状态自动机）。总而言之，这意味着他们可以并且在某些情况下会以一些模式回溯。这大致给出了O（N ² ）的复杂性。匹配相同模式的确定性有限状态自动机（DFA）永远不会回溯 - 它总是具有线性复杂性。同时，DFA的编译阶段通常比NFA更复杂（而且DFA没有NFA的所有功能）。

因此，对于许多不涉及任何方式回溯的简单模式，基于NFA的RE引擎可以比基于DFA的引擎更容易运行。但是，当基于NFA的RE引擎试图匹配模式而不是涉及回溯时，它可以（并且将会）大幅减速。在后一种情况下，基于DFA的引擎可能会快很多倍。

大多数RE库基本上都是以表示为字符串的正则表达式开头的。当您执行基于RE的搜索/匹配时，大多数会将其编译为NFA / DFA的数据结构。编译步骤需要一些时间（不是很大，但可能变得很重要，特别是如果你正在使用许多不同的RE）。一些RE引擎（例如，Boost XPressive）可以静态编译正则表达式 - 也就是说，RE与程序的源代码同时编译。这可以消除从程序的执行时间编译RE的时间，因此如果您的代码花费大量时间来编译RE，那么它可以从中获得实质性的改进（但这与静态类型无关 - 至少据我所知，你不可能在Java或C或示例中获得相同的结果）。其他一些语言（例如D）提供了足够的功能，你几乎可以肯定地对它们做同样的事情，但是我不知道你现在可以计划使用它们的实际实现。