检查字符串是否与ruby中的正则表达式匹配的最快方法？

检查字符串是否与Ruby中的正则表达式匹配的最快方法是什么？

我的问题是，我必须通过大量的字符串“ egrep”来查找与运行时给出的regexp匹配的字符串。我只在乎字符串是否与正则表达式匹配，不在乎匹配的位置，也不在乎匹配组的内容。我希望这个假设可以减少我的代码用于匹配正则表达式的时间。

我加载正则表达式

pattern = Regexp.new(ptx).freeze

我发现它string =~ pattern的速度比稍快string.match(pattern)。

还有其他技巧或捷径可以使测试更快吗？

从Ruby 2.4.0开始，您可以使用RegExp#match?：

pattern.match?(string)

Regexp#match?已在2.4.0的发行说明中明确列出为性能增强，因为它避免了其他方法（例如Regexp#match和）执行的对象分配=~：

正则表达式匹配
添加了Regexp#match?，它执行regexp匹配而不创建反向引用对象，也无需进行更改$~以减少对象分配。

这是一个简单的基准：

require 'benchmark'

"test123" =~ /1/
=> 4
Benchmark.measure{ 1000000.times { "test123" =~ /1/ } }
=>   0.610000   0.000000   0.610000 (  0.578133)

"test123"[/1/]
=> "1"
Benchmark.measure{ 1000000.times { "test123"[/1/] } }
=>   0.718000   0.000000   0.718000 (  0.750010)

irb(main):019:0> "test123".match(/1/)
=> #<MatchData "1">
Benchmark.measure{ 1000000.times { "test123".match(/1/) } }
=>   1.703000   0.000000   1.703000 (  1.578146)

因此=~速度更快，但这取决于您希望拥有什么作为返回值。如果您只想检查文本是否包含正则表达式，请使用=~

在网上找到一些文章后，这就是我运行的基准。

在2.4.0版中，获胜者是re.match?(str)（如@wiktor-stribiżew所建议），在以前的版本中，re =~ str似乎是最快的，尽管str =~ re几乎一样快。

#!/usr/bin/env ruby
require 'benchmark'

str = "aacaabc"
re = Regexp.new('a+b').freeze

N = 4_000_000

Benchmark.bm do |b|
    b.report("str.match re\t") { N.times { str.match re } }
    b.report("str =~ re\t")    { N.times { str =~ re } }
    b.report("str[re]  \t")    { N.times { str[re] } }
    b.report("re =~ str\t")    { N.times { re =~ str } }
    b.report("re.match str\t") { N.times { re.match str } }
    if re.respond_to?(:match?)
        b.report("re.match? str\t") { N.times { re.match? str } }
    end
end

结果MRI 1.9.3-o551：

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re =~ str         2.390000   0.000000   2.390000 (  2.397331)
str =~ re         2.450000   0.000000   2.450000 (  2.446893)
str[re]           2.940000   0.010000   2.950000 (  2.941666)
re.match str      3.620000   0.000000   3.620000 (  3.619922)
str.match re      4.180000   0.000000   4.180000 (  4.180083)

MRI 2.1.5结果：

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re =~ str         1.150000   0.000000   1.150000 (  1.144880)
str =~ re         1.160000   0.000000   1.160000 (  1.150691)
str[re]           1.330000   0.000000   1.330000 (  1.337064)
re.match str      2.250000   0.000000   2.250000 (  2.255142)
str.match re      2.270000   0.000000   2.270000 (  2.270948)

结果MRI 2.3.3（似乎正则表达式匹配存在回归）：

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re =~ str         3.540000   0.000000   3.540000 (  3.535881)
str =~ re         3.560000   0.000000   3.560000 (  3.560657)
str[re]           4.300000   0.000000   4.300000 (  4.299403)
re.match str      5.210000   0.010000   5.220000 (  5.213041)
str.match re      6.000000   0.000000   6.000000 (  6.000465)

MRI 2.4.0结果：

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re.match? str     0.690000   0.010000   0.700000 (  0.682934)
re =~ str         1.040000   0.000000   1.040000 (  1.035863)
str =~ re         1.040000   0.000000   1.040000 (  1.042963)
str[re]           1.340000   0.000000   1.340000 (  1.339704)
re.match str      2.040000   0.000000   2.040000 (  2.046464)
str.match re      2.180000   0.000000   2.180000 (  2.174691)

那re === str（案例比较）呢？

由于它的评估结果为true或false，并且不需要存储匹配项，返回匹配索引和其他内容，因此我想知道它是否比甚至更快=~。

好的，我对此进行了测试。=~即使您有多个捕获组，它仍然更快，但是比其他选项要快。

顺便说一句，有什么好处freeze？我无法衡量由此带来的任何性能提升。

根据正则表达式的复杂程度，您可以只使用简单的字符串切片。我不确定此方法在您的应用程序中的实用性，或者是否会真正提高速度。

'testsentence'['stsen']
=> 'stsen' # evaluates to true
'testsentence'['koala']
=> nil # evaluates to false

我想知道的是，是否有任何奇怪的方法可以使此检查更快，也许是在Regexp中使用一些奇怪的方法或一些奇怪的构造。

正则表达式引擎实现搜索的方式有所不同，但是通常来说，锚定模式以提高速度并避免贪婪的匹配，尤其是在搜索长字符串时。

在您熟悉特定引擎的工作方式之前，最好的办法是进行基准测试并添加/删除锚点，尝试限制搜索，使用通配符或显式匹配等。

该水果宝石是快速标杆的东西非常有用，因为它很聪明。Ruby的内置Benchmark代码也很有用，尽管您可以编写不小心使自己愚弄的测试。

我在Stack Overflow的很多答案中都使用了这两种方法，因此您可以搜索我的答案，并会看到许多小技巧和结果，以使您了解如何编写更快的代码。

要记住的最大事情是，在不知道减速发生的位置之前过早优化代码是很不好的。

要完成Wiktor的Stribiżew和Dougui回答我要说的是/regex/.match?("string")一样快"string".match?(/regex/)。

Ruby 2.4.0（10000〜2秒）

2.4.0 > require 'benchmark'
 => true 
2.4.0 > Benchmark.measure{ 10000000.times { /^CVE-[0-9]{4}-[0-9]{4,}$/.match?("CVE-2018-1589") } }
 => #<Benchmark::Tms:0x005563da1b1c80 @label="", @real=2.2060338060000504, @cstime=0.0, @cutime=0.0, @stime=0.04000000000000001, @utime=2.17, @total=2.21> 
2.4.0 > Benchmark.measure{ 10000000.times { "CVE-2018-1589".match?(/^CVE-[0-9]{4}-[0-9]{4,}$/) } }
 => #<Benchmark::Tms:0x005563da139eb0 @label="", @real=2.260814556000696, @cstime=0.0, @cutime=0.0, @stime=0.010000000000000009, @utime=2.2500000000000004, @total=2.2600000000000007> 

Ruby 2.6.2（1000000000〜20秒）

irb(main):001:0> require 'benchmark'
=> true
irb(main):005:0> Benchmark.measure{ 100000000.times { /^CVE-[0-9]{4}-[0-9]{4,}$/.match?("CVE-2018-1589") } }
=> #<Benchmark::Tms:0x0000562bc83e3768 @label="", @real=24.60139879199778, @cstime=0.0, @cutime=0.0, @stime=0.010000999999999996, @utime=24.565644999999996, @total=24.575645999999995>
irb(main):004:0> Benchmark.measure{ 100000000.times { "CVE-2018-1589".match?(/^CVE-[0-9]{4}-[0-9]{4,}$/) } }
=> #<Benchmark::Tms:0x0000562bc846aee8 @label="", @real=24.634255946999474, @cstime=0.0, @cutime=0.0, @stime=0.010046, @utime=24.598276, @total=24.608321999999998>

注意：时间各不相同，有时/regex/.match?("string")更快，有时"string".match?(/regex/)，差异可能仅是由于计算机活动造成的。