regex - 如何快速找到与正则表达式匹配的文件的第一行？

Question

我想在 Perl 脚本中使用正则表达式在文件中搜索一行。

假设它在安装了 grep 的系统中，最好：

• grep通过open()命令调用外部
• open()直接文件并使用while循环和if ($line =~ m/regex/)？

Answer 1

在现代 Perl 实现中，regexp 代码应该和 grep 一样快，但是如果您关心性能，为什么不直接尝试一下呢？从代码清洁度和健壮性的角度来看，调用外部命令行工具肯定不好。

Answer 2

你不需要open明确的文件。

my $regex = qr/blah/;
while (<>) {
  if (/$regex/) {
    print;
    exit;
  }
}
print "Not found\n";

由于您似乎关心性能，我让匹配并使用不分配给任何东西所提供print的默认值，这稍微快一点。在正常的生产代码中，$_<>

while (my $line = <>) {
  if ($line =~ /$regex/) {
    print $line;
    exit;
  }
}

将是首选。

编辑： 这假设要检查的文件是在命令行上给出的，我刚刚注意到你没有说它适用于你的情况。

Answer 3

使用 grep 需要注意的一件事：在最近的 Linux 发行版中，如果您的 LANG 环境变量定义了 UTF-8 类型（例如我的是 LANG=en_GB.UTF-8），那么 grep、sed、sort 和可能还有一堆其他文本-处理实用程序的运行速度要慢约 10 倍。因此，如果您正在进行性能比较，请注意这一点。我现在将我的 grep 命令别名为：

LANG= LANGUAGE= /bin/grep

编辑：实际上，它更像是慢了 100 倍

Answer 4

这取决于。

• 在 Perl 中工作可以为您节省进程启动时间和其他相关资源成本。
• grep 可能比在 Perl 中做同样的工作要快，但不是很大。

我会说在 Perl 中执行此操作，除非性能迫使您进行优化。

Answer 5

这取决于。如果您想优化开发时间，

$line = `grep '$regex' file | head -n 1`;

显然是要做的事情。

但它的代价是必须启动外部进程，这取决于除了安装 perl 之外的其他东西，并且在出现问题时失去了进行详细错误报告的机会。

Answer 6

我曾经编写了一个脚本来在一些大文本文件（每个大约 10 MB）中搜索一些正则表达式。我用 Perl 正则表达式完成了它，并注意到它运行得很慢。所以我尝试从脚本中运行 grep，速度提升非常可观。所以，根据我自己的经验，Perl 内置的正则表达式比 grep 慢。但是您可能只会在大文件中注意到它。我的建议是：尝试两种方式，看看效果如何。

Answer 7

sed '/pattern/q' file