- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
下面的 Python 代码非常慢:
import re
re.match( '([a]+)+c', 'a' * 30 + 'b' )
如果用更大的常量替换 30,情况会变得更糟。
我怀疑是由于连续的+
导致的解析歧义是罪魁祸首,但我不是很擅长正则表达式解析和匹配。这是 Python 正则表达式引擎的错误,还是任何合理的实现都会做同样的事情?
我不是 Perl 专家,但下面的返回速度相当快
perl -e '$s="aaaaaaaaaaaaaaaaaaaaaaaaaaaaaab"; print "ok\n" if $s =~ m/([a]+)+c/;'
并且增加“a”的数量不会显着改变执行速度。
最佳答案
我假设 Perl 足够聪明,可以将两个 +
合二为一,而 Python 却没有。现在让我们想象一下如果不优化引擎会做什么。请记住,捕获通常很昂贵。另请注意,两个 +
都是贪心的,因此引擎将尝试在一个回溯步骤中使用尽可能多的重复。每个要点代表一个回溯步骤:
[a]
,并消耗所有三十个a
。然后它不能再继续了,所以它离开了第一个重复并捕获 30 个a
。现在下一次重复开始了,它试图用另一个 ([a]+)
消耗更多,但这当然行不通。然后 c
无法匹配 b
。a
。在此之后,我们再次保留内部重复,因此引擎将捕获 29 个a
。然后另一个 +
开始,再次尝试内部重复(消耗第 30 个 a
)。然后我们再次离开内部重复,这也离开了捕获组,所以第一个捕获被丢弃,引擎捕获最后一个a
。 c
无法匹配 b
。a
。我们捕获 28 个a
。捕获组的第二个(外部重复)消耗最后 2 个a
,它们是捕获的。 c
无法匹配 b
。a
中的第二个。剩下的那个将被捕获。然后第三次进入捕获组,捕获最后一个a
。 c
无法匹配 b
。a
。这是一个简单的可视化。每条线代表一个回溯步骤,每组括号代表一次内部重复的消耗。大括号表示那些新为该回溯步骤捕获的那些,而在该特定回溯步骤中不会重新访问普通括号。我省略了 b
/c
因为它永远不会被匹配:
{aaaaaaaaaaaaaaaaaaaaaaaaaaaaaa}
{aaaaaaaaaaaaaaaaaaaaaaaaaaaaa}{a}
{aaaaaaaaaaaaaaaaaaaaaaaaaaaa}{aa}
(aaaaaaaaaaaaaaaaaaaaaaaaaaaa){a}{a}
{aaaaaaaaaaaaaaaaaaaaaaaaaaa}{aaa}
(aaaaaaaaaaaaaaaaaaaaaaaaaaa){aa}{a}
(aaaaaaaaaaaaaaaaaaaaaaaaaaa){a}{aa}
(aaaaaaaaaaaaaaaaaaaaaaaaaaa)(a){a}{a}
{aaaaaaaaaaaaaaaaaaaaaaaaaa}{aaaa}
(aaaaaaaaaaaaaaaaaaaaaaaaaa){aaa}{a}
(aaaaaaaaaaaaaaaaaaaaaaaaaa){aa}{aa}
(aaaaaaaaaaaaaaaaaaaaaaaaaa)(aa){a}{a}
(aaaaaaaaaaaaaaaaaaaaaaaaaa){a}{aaa}
(aaaaaaaaaaaaaaaaaaaaaaaaaa)(a){aa}{a}
(aaaaaaaaaaaaaaaaaaaaaaaaaa)(a){a}{aa}
(aaaaaaaaaaaaaaaaaaaaaaaaaa)(a)(a){a}{a}
还有。所以。上。
请注意,最后引擎还将尝试 a
的子集的所有组合(仅通过前 29 个 a
回溯,然后通过前 28 个 a
s) 只是为了发现,c
也不匹配 a
。
正则表达式引擎内部的解释是基于散布在 regular-expressions.info 周围的信息.
解决这个问题。只需删除其中一个 +
。 r'a+c'
或者如果您确实 想要捕获a
的数量,请使用r'(a+)s '
.
最后,回答你的问题。我不会认为这是 Python 的正则表达式引擎中的错误,而只是(如果有的话)缺乏优化逻辑。这个问题通常无法解决,因此引擎假设您必须自己处理灾难性的回溯并不太合理。如果 Perl 足够聪明,可以识别足够简单的情况,那就更好了。
关于python - 比较不匹配的正则表达式的速度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13179030/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!