regex - 为什么 Bash 模式匹配 ?(*[[ :class:]])foobar slow?

Question

我有一个文本文件 foobar.txt，大约 10KB，没那么长。然而，以下匹配搜索命令在高性能 Linux 机器上大约需要 10 秒。

bash>shopt -s extglob
bash>[[ `cat foobar.txt` == ?(*[[:print:]])foobar ]]

没有匹配:foobar.txt 中的所有字符都是可打印的，但没有字符串“foobar”。

搜索应该尝试匹配两个备选方案，它们中的每一个都不会匹配:

"foobar"

那是瞬间

*[[:print:]]foobar

- 应该是这样的:

应该一次一个字符地扫描文件，每次检查下一个字符是否是

[[:print:]]foobar

这也应该很快，每个字符绝不会花费一毫秒。

其实如果我放下?，也就是做

bash>[[ `cat foobar.txt` == *[[:print:]]foobar ]]

这是瞬间的。但这只是上面的第二种选择，没有第一种。

为什么这么长？

Answer 1

bash 中的 glob 匹配器并未优化。参见，例如，this bug-bash thread ，在此期间 bash 维护者 Chet Ramey 说:

It's not a regexp engine, it's an interpreted-on-the-fly matcher.

因为 bash 也包含一个正则表达式引擎(使用 =~ 而不是 [[ ]] 中的 ==)，所以可能没有有很大的动力去做任何事情。

在我的机器上，等效的正则表达式 (^(.*[[:print:]])?foobar$) 受到语言环境感知 [[:print:]] 的影响;出于某种原因，这并没有影响 glob 匹配器。设置 LANG=C 使正则表达式工作正常。

但是，对于这么大的字符串，我会使用 grep。