大字符串上的 C++ 正则表达式

Question

我需要检查某个模式是否出现在一个大字符串的开头(比如以千兆字节为单位)，我想知道 C++ 标准库正则表达式是否合适。

我尝试在模式的开头使用 regex_search 和 ^，并在 .* 尝试使用 regex_match模式结束，但当字符串达到几十兆字节时，两者都会崩溃。

我应该使用一些技巧，还是 C++ 正则表达式不是处理大字符串的正确工具？

对于测试用例，我使用了一个完全由 "aaaaaa..." 组成的字符串和一个由 "^aaa" 或 组成的正则表达式"aaa.*" 以保持简单。我在 Microsoft C++ 上测试过；无论我最终得到什么解决方案，都必须在 Windows 和 Linux 上运行。

Answer 1

您可以做的一件事是使用迭代器限制搜索范围，例如仅检查前 100 个字符的示例:

int main()
{
    std::string s(1024 * 1024 * 1024, 'a');

    std::regex e("^aaa");

    // limit the range of your search using iterators
    if(std::regex_search(s.begin(), s.begin() + 100, e)) // 100 max
    {
        std::cout << "yes\n";
    }

}

显然，您允许的字符数取决于可能匹配的最大大小。