我正在研究一些文本转换例程,它们在Ruby中以不同的格式解析时间值。 这个例程越来越复杂,我正在测试一个更好的解决这个问题的方法。
我目前正在测试使用scanf
的方法。为什么?我总是思考比正则表达式更快,但Ruby中发生了什么?它慢得多!
我做错了什么?
注意:我正在使用ruby-1.9.2-p290 [x86_64](MRI)
第一次Ruby测试:
require "scanf"
require 'benchmark'
def duration_in_seconds_regex(duration)
if duration =~ /^\d{2,}\:\d{2}:\d{2}$/
h, m, s = duration.split(":").map{ |n| n.to_i }
h * 3600 + m * 60 + s
end
end
def duration_in_seconds_scanf(duration)
a = duration.scanf("%d:%d:%d")
a[0] * 3600 + a[1] * 60 + a[2]
end
n = 500000
Benchmark.bm do |x|
x.report { for i in 1..n; duration_in_seconds_scanf("00:10:30"); end }
end
Benchmark.bm do |x|
x.report { for i in 1..n; duration_in_seconds_regex("00:10:30"); end }
end
这是我首先使用scanf
和第二次使用正则表达式:
user system total real
95.020000 0.280000 95.300000 ( 96.364077)
user system total real
2.820000 0.000000 2.820000 ( 2.835170)
使用C进行第二次测试:
#include <stdio.h>
#include <stdlib.h>
#include <time.h>
#include <sys/types.h>
#include <string.h>
#include <regex.h>
char *regexp(char *string, char *patrn, int *begin, int *end) {
int i, w = 0, len;
char *word = NULL;
regex_t rgT;
regmatch_t match;
regcomp(&rgT, patrn, REG_EXTENDED);
if ((regexec(&rgT, string, 1, &match, 0)) == 0) {
*begin = (int) match.rm_so;
*end = (int) match.rm_eo;
len = *end - *begin;
word = malloc(len + 1);
for (i = *begin; i<*end; i++) {
word[w] = string[i];
w++;
}
word[w] = 0;
}
regfree(&rgT);
return word;
}
int main(int argc, char** argv) {
char * str = "00:01:30";
int h, m, s;
int i, b, e;
float start_time, end_time, time_elapsed;
regex_t regex;
regmatch_t * pmatch;
char msgbuf[100];
char *pch;
char *str2;
char delims[] = ":";
char *result = NULL;
start_time = (float) clock() / CLOCKS_PER_SEC;
for (i = 0; i < 500000; i++) {
if (sscanf(str, "%d:%d:%d", &h, &m, &s) == 3) {
s = h * 3600L + m * 60L + s;
}
}
end_time = (float) clock() / CLOCKS_PER_SEC;
time_elapsed = end_time - start_time;
printf("sscanf_time (500k iterations): %.4f", time_elapsed);
start_time = (float) clock() / CLOCKS_PER_SEC;
for (i = 0; i < 500000; i++) {
char * match = regexp(str, "[0-9]{2,}:[0-9]{2}:[0-9]{2}", &b, &e);
if (strcmp(match, str) == 0) {
str2 = (char*) malloc(sizeof (str));
strcpy(str2, str);
h = strtok(str2, delims);
m = strtok(NULL, delims);
s = strtok(NULL, delims);
s = h * 3600L + m * 60L + s;
}
}
end_time = (float) clock() / CLOCKS_PER_SEC;
time_elapsed = end_time - start_time;
printf("\n\nregex_time (500k iterations): %.4f", time_elapsed);
return (EXIT_SUCCESS);
}
C代码结果显然更快,正则表达式结果比scanf
结果慢得多:
sscanf_time (500k iterations): 0.1774
regex_time (500k iterations): 3.9692
很明显C的运行时间更快,所以请不要评论Ruby的解释和喜欢的东西。
这是相关的gist。
答案 0 :(得分:4)
问题不是它的解释,而是Ruby中的所有东西都是一个对象。您可以在Ruby发行版中浏览“scanf.rb”,并将其与C中的scanf实现进行比较。
基于RegExp匹配的scanf的Ruby实现。像“%d”这样的每个原子都是ruby中的一个对象,而它只是C中的一个案例项。所以,在我看来,这种执行时间的原因是大量的对象分配/释放。
答案 1 :(得分:2)
假设MRI:scanf是用Ruby(scanf.rb)编写的,显然是在10年前,从未触及过(它看起来确实很复杂!)。 split
,map
和正则表达式都是在经过大量优化的C中实现的。