7

我需要一个正则表达式，它只选择那些不以特定扩展名（如 .png 或 .css）结尾的 URL 字符串。

我测试了以下内容：

1）这个使用负面的lookbehind：

(?<!\.png|\.css)$

https://regex101.com/r/tW4fO5/1

2）另一个使用负前瞻：

^(?!.*[.]png|.*[.]css$).*$

https://regex101.com/r/qZ7vA4/1

两者似乎都可以正常工作，但据说 #1（负后瞻）需要 436 步（见链接），而 #2（负前瞻）据说需要 173 步。

所以我的问题是：这是什么意思？会不会影响表演？

最后，这两个正则表达式在功能上真的等效吗？

编辑：解决方案摘要

总结一下，考虑到要通过正则表达式排除的字符串结尾的完整列表（典型的场景是 Web 服务器设置，其中静态资源由 apache 提供，而动态资源由不同的引擎提供 - 在我的情况下：php-fpm）。

PCRE 正则表达式有两个选项：

1)消极回顾

$(?<!\.(?:ico|gif|jpg|png|css|rss|xml|htm|pdf|zip|txt|ttf)$|(?:js|gz)$|(?:html|woff)$)

https://regex101.com/r/eU9fI6/1

请注意，我使用了几个 OR-ed 后视，因为负后视需要固定宽度的模式（即：您不能混合不同长度的模式）。这使得这个选项的编写更加复杂。此外，我认为这会降低其性能。

2)负前瞻

^(?!.*[.](?:js|ico|gif|jpg|png|css|rss|xml|htm|html|pdf|zip|gz|txt|ttf|woff)$).*$

https://regex101.com/r/dP7uD9/1

前瞻略快于后瞻。这是进行 100 万次迭代的测试结果：

后视时间 = 18.469825983047 秒
前瞻时间 = 14.316685199738 秒

如果我没有可变长度模式的问题，我会选择后视，因为它看起来更紧凑。无论如何，任何一个都很好。最后，我进行了前瞻：

<LocationMatch "^(?!.*[.](?:js|ico|gif|jpg|png|css|rss|xml|htm|html|pdf|zip|gz|txt|ttf|woff)$).*$">
    SetHandler "proxy:unix:/var/run/php5-fpm.sock|fcgi://www/srv/www/gioplet/web/public/index.php"
</LocationMatch>
4

2 回答 2

4

会不会影响表演？

在大多数情况下，正则表达式查找匹配项所需的步骤越多，性能就越慢。尽管它还取决于您稍后将在哪个平台上使用正则表达式（例如，如果您使用 regex101.com 测试用于在 .NET 中使用的正则表达式，这并不意味着它会导致灾难性回溯，延迟点匹配正则表达式失败并出现长文本）。

这两个正则表达式在功能上真的等效吗？

不，他们不是。(?<!\.png|\.css)$查找前面没有.pngor的行尾.css。^(?!.*[.]png|.*[.]css$).*$查找不包含 .png的行或不以 .结尾 .css的行。要使它们“等效”（即，如果要确保以.pngor结尾的行.css不匹配），请使用

^(?!.*[.](?:png|css)$).*$
         ^^^^^^^^^^^^

确保在两者之后和负前瞻中$都选中了。png css

正则表达式之间仍然存在差异：第一个将匹配行尾，第二个将匹配整行。

有没有办法加快后视解决方案？

请注意，模式 1 中的后向检查在字符串内的每个位置进行检查。模式 2 中的前瞻仅在字符串的开头检查一次。这就是为什么锚定前瞻解决方案在一种情况下会更快的原因 - 如果您不能使用仅在少数正则表达式（例如 .NET）中可用的 RightToLeft 修饰符。

$(?<!\.(?:png|css)$)后视解决方案比模式 1更快，因为后视模式在到达字符串/行的末尾后只检查一次。尽管如此，这需要更多的步骤，因为执行后向比前向更昂贵。

要真正找出最快的解决方案，您需要在您的环境中设置性能测试。

于 2016-02-18T08:49:52.407 回答
4

第二个或第lookahead一个更快。记住步骤数不是正确的方法。请参阅Stackoverflow 问题： atomic-groups-clarity。

我已经在 python 上使用timeit. 脚本是

import timeit
s1="""
import re
re.findall(r"^.*(?<!\.png|\.css)$",x,re.M)"""

s2="""
import re
re.findall(r"^(?!.*[.]png$|.*[.]css$).*$",x,re.M)"""

print timeit.timeit(s1,number=1000000,setup='x="""http://gioplet/articles\nhttp://gioplet/img/logo.png\nhttp://gioplet/index.php\nhttp://gioplet/css/main.css"""')

print timeit.timeit(s2,number=1000000,setup='x="""http://gioplet/articles\nhttp://gioplet/img/logo.png\nhttp://gioplet/index.php\nhttp://gioplet/css/main.css"""')

输出：

8.72536265265
7.09159428305
于 2016-02-18T09:48:36.217 回答