Question

根据perlre，以下代码需要几秒钟才能执行：

$ time perl -E '$_="((()" . ("a") x 18;  say "ok" if m{ \(([^()]+|\( [^()]* \))+\)}x;'

real    0m0.006s
user    0m0.000s
sys 0m0.005s

文档说：

考虑上面的模式如何检测到不匹配几秒钟内((()aaaaaaaaaaaaaaaaaa，但每次额外这次信件加倍。

如图所示，我的笔记本电脑只需要几分之一秒。即使在一百万a的情况下运行也会在半秒内完成：

$ time perl -E '$_="((()" . ("a") x 1000000;  say "ok" if m{ \(([^()]+|\( [^()]* \))+\)}x;'

real    0m0.454s
user    0m0.446s
sys 0m0.008s

我在这里缺少什么？

Answer 1

你可以做的一个技巧来弄清楚正则表达式引擎正在做什么，是：

use re 'debug';

E.g：

use strict;
use warnings;
use re 'debug'; 

my $str = "a" x 18;

$str =~ m{ \(([^()]+|\( [^()]* \))+\)}x;

然后将打印正则表达式引擎实际执行的操作：

Compiling REx " \(([^()]+|\( [^()]* \))+\)"
Final program:
   1: EXACT <(> (3)
   3: CURLYX[0] {1,32767} (40)
   5:   OPEN1 (7)
   7:     BRANCH (20)
   8:       PLUS (37)
   9:         ANYOF[^()][{above_bitmap_all}] (0)
  20:     BRANCH (FAIL)
  21:       EXACT <(> (23)
  23:       STAR (35)
  24:         ANYOF[^()][{above_bitmap_all}] (0)
  35:       EXACT <)> (37)
  37:   CLOSE1 (39)
  39: WHILEM[1/3] (0)
  40: NOTHING (41)
  41: EXACT <)> (43)
  43: END (0)
anchored "(" at 0 floating ")" at 2..2147483647 (checking floating) minlen 3 
Matching REx " \(([^()]+|\( [^()]* \))+\)" against "aaaaaaaaaaaaaaaaaa"
Intuit: trying to determine minimum start position...
  doing 'check' fbm scan, [2..18] gave -1
  Did not find floating substr ")"...
Match rejected by optimizer
Freeing REx: " \(([^()]+|\( [^()]* \))+\)"

如果你重新添加括号，你会得到不同的结果 - 我有大约2000步来处理正则表达式。每增加一个字母 - 大约300步，这会变得更长。

所以我会说是 - 灾难性的回溯正在发生，但你可能会发现处理器（以及正则表达式引擎优化）意味着时间要短得多。

use strict;
use warnings;
use re 'debug'; 

my $str = "((()"."a" x 100_000;
$str =~ m{ \(([^()]+|\( [^()]* \))+\)}x;

运行时间要长得多 - 但至少有一部分是因为在屏幕上打印文字实际上相当昂贵而且价格昂贵。比较。

我的测试显示（＆＃34; a＆＃34; s的数量）

10 : 1221 lines of output (broadly correlated with regex steps)
11 : 1324 (+103)
12 : 1467 (+143)
13 : 1590 (+129)
14 : 1728 (+138)
15 : 1852 (+124)

20 : 2630 (approx +155/extra)
30 : 4536 (+190/extra)
40 : 6940 (+240/extra)
50 : 9846 (+290/extra)

100 - 31,846 (+440/extra letter)

所以肯定看起来像指数行为一样 - 但在这两种情况下，处理时间仍然相当快，我将其归因于更快的cpus（并且可能更好地优化正则表达式引擎）

Answer 2

考虑上面的模式如何在几秒钟内检测到((()aaaaaaaaaaaaaaaaaa上的不匹配。

这句话至少可以追溯到2001年4月，当时perl 5.6.1被释放。您可以在search.cpan.org/~gsar/perl-5.6.1/pod/perlre.pod看到该版本的perlre手册页。

这可能是在记录软件时要学习的一课。要小心你所写的内容，因为尽管经过多年的改进和其他人的多次分叉，你的书面文字仍将保持不变。

regexp中的回溯速度比预期的要快

2 个答案: