3

在必须使用正则表达式解析大量字符串的场景中，考虑到所有测试都使用相同的 RegEx 指针，这样会更快：

  1. 单独测试数组中的每个字符串，或者；
  2. 将所有内容连接成一个大字符串并只测试一次？

我相信数字 2 最好，而不是多次启动 RegEx 引擎来处理字符串数组。然而，在 PHP (PCRE) 中进行了一些测试后，这似乎是不真实的。

基准

我在 PHP 5.3 （源代码）中做了一个简单的基准测试，得到了以下结果：

122185 次交互在 5 秒内测试数组中的多个较小字符串

5 秒内完成26853 次交互，进行单个大字符串测试

因此，我必须得出结论，第一种方法最多快 5 倍。但是，我想要求一个权威的答案来确认这一点；由于一些我不知道的 PHP 优化，我可能会错误地假设事情。

在使用正则表达式测试大字符串之前，是否总是一个更优化的解决方案，而不是专门在 PCRE 中？

preg_grep()

我认为这里不应该考虑这个功能。这是一个基准测试，而不是优化问题。更不用说该函数是特定于 PHP 的方法。此外，preg_match_all返回所有匹配的子字符串，而preg_grep仅指示匹配的数组元素。

4

2 回答 2

3

你的基准有缺陷。看看你的这段代码：

while(time() - $TimeStart < 5)
    for($i = 0; $i < $Length; $i++, $Iterations++)
    {
        preg_match_all($RegEx, $Input[$i], $m);
    }
}

$Iterations应该只增加在里面，而while不是里面for。将前一个结果除以：

24437 iterations using array
26853 iterations using big string

您不应该time()用于时间测量，microtime()更适合获得准确性。

最后，这个基准测试并不完整，因为要为两个测试获得相同的结果，数组方法需要array_merge()在每次迭代后执行。此外，在某个地方需要将大字符串转换为数组，这也需要时间。

于 2012-12-24T05:32:00.740 回答
1

您绝对不应该将所有目标字符串合并为一个。一方面，它会破坏很多在较短字符串上可以正常工作的正则表达式。^和$、\A和等锚点\z会突然发现自己没有可匹配的对象。此外，严重依赖诸如.* or.*?` 之类的正则表达式，尽管其固有的低效率，但在较短的字符串上工作，当在 Frankenstring 上使用时往往会变得非常缓慢。

但即使连接版本更快，这有关系吗？有没有试过阵列版，发现太慢了？这是一个非常激进的解决方案（如果是解决方案）；如果我是你，我会推迟实施它，直到我有它可以解决的问题。

于 2012-12-24T10:49:23.913 回答