c++ - 为什么 pcre regex 比 c++11 regex 快得多

Question

一些示例代码。这是使用 cregex_iterator 的 c++11 部分:

std::chrono::steady_clock::time_point begin0 = std::chrono::steady_clock::now();
regex re("<option[\\s]value[\\s]*=[\\s]*\"([^\">]*)\"[\\s]*[^>]*>", regex::icase);
int found = 0;
for (std::cregex_iterator i = std::cregex_iterator(input, input + input_length, re);
i != std::cregex_iterator();
    ++i)
{
    found++;
    if (found < 10000) continue;
    break;
}
std::chrono::steady_clock::time_point end0 = std::chrono::steady_clock::now();

这是pcre部分。正则表达式完全相同。

std::chrono::steady_clock::time_point begin4 = std::chrono::steady_clock::now();
const char *pError = NULL;
int errOffset;
int options = PCRE_MULTILINE | PCRE_CASELESS;
const char* regexp = "<option[\\s]value[\\s]*=[\\s]*\"([^\">]*)\"[\\s]*[^>]*>";
pcre* pPcre = pcre_compile(regexp, options, &pError, &errOffset, 0);                
int offset = 0;
int matches = -1;
int pMatches[6];
while (offset < input_length)
{
    matches = pcre_exec(pPcre,NULL, input, input_length, offset,0, pMatches,6); 
    if (matches >= 1)
    {
        found++;
        offset = pMatches[1];
        if (found < 10000) continue;
        break;  // find match
    }
    else
        offset = input_length;
}

std::chrono::steady_clock::time_point end4 = std::chrono::steady_clock::now();

结果显示 pcre 比 c++11 快 100 倍。我在 C++11 实现中发现了一些 vector 复制和调整大小。还有其他原因吗？

Answer 1

PCRE 受益于一些称为启动优化 的优化，这些优化配置为默认启用。这些优化包括:

1. 未锚定模式的主题预扫描(如果起点是未找到引擎甚至懒得去匹配过程。)
2. 研究模式以确保主题的最小长度不短于模式本身
3. 自动拥有
4. 快速失败(如果特定点是未找到引擎甚至懒得去匹配过程。)

表面模式分析:

<option             # Subject pre-scan applied (unachored pattern)
    [\\s]
    value
    [\\s]*          # Auto-possessification applied (translates to \s*+)
    =
    [\\s]*          # //
    \"([^\">]*)\"   
    [\\s]*          # //
    [^>]*
>                   # Min length (17 chars) check of subject string applied

此外，如果输入字符串没有像 > 这样的特殊字符，则应该抛出快速失败。您应该知道，性能在很大程度上也取决于输入字符串。

运行以下模式:

(*NO_AUTO_POSSESS)(*NO_START_OPT)<option[\s]value[\s]*=[\s]*\"([^\">]*)\"[\s]*[^>]*>

在这个输入字符串上(看那段时间):

<option value                                                                 .

并比较结果(Live demo)。