为什么这三个正则表达式具有不同的步数？

Question

在answer to a recent question中，我设计了几个聪明的小正则表达式（在提问者的请求下）来匹配字符串开头或结尾的子字符串。然而，当在Regex101上运行时，我注意到不同的模式具有不同的步数（表明正则表达式引擎必须为一个与另一个做更多的工作）。但是，在我看来，没有直观的理由认为应该如此。

这三种模式如下：

• 有条件的乐趣：/(^)?!next(?(1)|$)/（demo - 86步）
• 经典轮换：^!next|!next$（demo - 58步）
• 讨厌的外观：!next(?:(?<=^.{5})|(?=$))（demo - 35步）

为什么第一种模式的效率低于第二种模式，而且最令人困惑的是，为什么第三种模式如此有效？

Answer 1

TL; DR

  

为什么第一个模式的效率低于第二个模式，并且，   最令人困惑的是，为什么第三个如此高效？

因为前两个是锚定的，第三个不是。

真实故事，如何采取措施

考虑到这个正则表达式/^x/gm，您认为引擎将采取多少步骤来返回＆＃34;不匹配＆＃34;如果主题字符串是abc？你是对的，两个。

1. 断言字符串的开头
2. 匹配x

然后整体匹配失败，因为在字符串断言开始后没有x立即出现。

我说谎了。这不是我讨厌，它只是让你更容易理解即将发生的事情。根据{{​​3}}，它根本不采取任何步骤：

regex101.com

这次你相信吗？是。不，我们来看看。

PCRE启动优化

PCRE，善待其用户，提供一些功能来加速称为启动优化的事情。根据正在使用的正则表达式，它会进行一些依赖的优化。

这些优化的一个重要特征是主题字符串的预扫描，以确保：

• 主题字符串包含至少一个与匹配的第一个字符或
对应的字符
• 如果存在已知的起点。

如果找不到匹配函数，则永远不会运行。

如果我们的正则表达式为/x/且主题字符串为abc，那么启用启动优化时，就会进行预扫描以查找x ，如果没有发现整场比赛失败或更好，它甚至不会费心去完成匹配过程。

那么这些信息如何帮助？

让我们回顾一下我们的第一个例子并稍微改变我们的正则表达式。从：

/^x/gm

到

/^x/g

差异是m标志未被设置。对于那些不知道m标志如何设置的人：

它改变了^和$符号的含义，因为它们不再是字符串的开头和结尾，而是行的开头和结尾。

现在，如果我们在主题字符串/^x/g上运行此正则表达式abc，该怎么办？我们是否应该预期步进引擎的差异与否？ 绝对，是的。让我们看一下返回的信息：

regex101.com

我真的鼓励你这次相信它。这是真实的。

发生了什么？

嗯，这看起来有点令人困惑，但我们会启发。如果没有设置m修饰符，则预扫描会查找断言字符串的开头（已知起点）。如果断言通过则实际匹配函数运行，否则＆＃34;不匹配＆＃34;会回来的。

但等等......每个主题字符串肯定都有一个且只有字符串位置的开头，并且它总是在它的开头。那么扫描显然不是必要的吗？是的，引擎在这里没有进行预扫描。使用/^x/g它会立即断言字符串的开始，然后像这样失败（因为它匹配^它会经历实际的匹配过程）。这就是我们看到显示步数 2 的原因。

但是......设置m修饰符会有所不同。现在改变了^和$锚点的含义。在^匹配起始行的情况下，主题字符串abc中的相同位置的断言发生但下一个直接字符不是x，在实际匹配过程中并且从g标志开始已开启，下一场比赛从b之前的位置开始并失败，此试错将继续到主题字符串结束。

regex101.com

调试器显示 6 步骤，但主页面显示 0 步骤，为什么？

我不确定后者但是为了调试，regex101调试器与(*NO_START_OPT)一起运行，所以只有设置了这个动词才有6个步骤。我说我不确定后者，因为 所有锚定模式阻止了进一步的扫描前优化 ，我们应该知道什么可以称为 { {3}} ：

  

如果所有的模式都由PCRE自动锚定   顶级替代品以下列之一开头：

     

  
• ^除非设置PCRE_MULTILINE
  
• \A总是
  
• \G总是
  
• .*如果设置了PCRE_DOTALL并且没有后向引用   出现.*的子模式
  

现在，当我在m中/^x/g标志 设置为m时没有预先扫描时，您完全得到了我所说的内容：它是被认为是一种禁用预扫描优化的锚定模式。因此，当/^x/gm标志打开时，这不再是锚定模式：\A因此可以进行预扫描优化。



引擎知道字符串锚^的开始（或多行模式禁用时^）只在匹配时发生一次，因此它不会在下一个位置继续。

返回您自己的RegExes

前两个被锚定（m与(*NO_START_OPT)!next(?:(?<=^.{5})|(?=$)) 标志一起），第三个不是。也就是说，第三个正则表达式受益于预扫描优化。您可以相信 35 步骤，因为优化导致了这一步骤。但是，如果禁用启动优化：

{{1}}

您将看到57个步骤，这些步骤与调试器步骤的数量大致相同。