regex - 为什么这个正则表达式调用 substcont 的次数过多？

Question

这比其他任何事情都更出于好奇，因为我无法在 Google 上找到有关此功能的任何有用信息(CORE::substcont)

在分析和优化一些旧的、缓慢的 XML 解析代码时，我发现以下正则表达式在每次执行该行时调用 substcont 31 次，并花费大量时间:

Calls: 10000 Time: 2.65s Sub calls: 320000 Time in subs: 1.15s`

  $handle =~s/(>)\s*(<)/$1\n$2/g;
  # spent  1.09s making 310000 calls to main::CORE:substcont, avg 4µs/call
  # spent  58.8ms making  10000 calls to main::CORE:subst, avg 6µs/call

与前一行相比:

Calls: 10000 Time: 371ms Sub calls: 30000 Time in subs: 221ms

  $handle =~s/(.*)\s*(<\?)/$1\n$2/g;
    # spent   136ms making 10000 calls to main::CORE:subst, avg 14µs/call
    # spent  84.6ms making 20000 calls to main::CORE:substcont, avg 4µs/call

substcont 调用的数量非常令人惊讶，尤其是看到我认为第二个正则表达式会更贵。显然，这就是为什么分析是一件好事;-)

我随后更改了这两行以删除不必要的反向引用，对行为不良的行产生了戏剧性的结果:

Calls:10000 Time: 393ms Sub calls: 10000 Time in subs: 341ms

$handle =~s/>\s*</>\n</g;
  # spent   341ms making 10000 calls to main::CORE:subst, avg 34µs/call

所以，我的问题是 - 为什么原始版本应该对 substcont 进行如此多的调用，而 substcont 甚至在需要这么长时间的正则表达式引擎中做了什么？

Answer 1

substcont是 Perl 的“替换迭代器”的内部名称。与s///有关.根据我掌握的少量信息，似乎substcont在执行 backref 时触发。也就是说，当 $1存在。你可以使用 B::Concise 来玩玩它。

这是一个没有 backref 的简单正则表达式的操作码。

$ perl -MO=Concise,-exec -we'$foo = "foo";  $foo =~ s/(foo)/bar/ig'
1  <0> enter 
2  <;> nextstate(main 1 -e:1) v:{
3  <$> const[PV "foo"] s
4  <#> gvsv[*foo] s
5  <2> sassign vKS/2
6  <;> nextstate(main 1 -e:1) v:{
7  <#> gvsv[*foo] s
8  <$> const[PV "bar"] s
9  </> subst(/"(foo)"/) vKS
a  <@> leave[1 ref] vKP/REFC
-e syntax OK

和一个。

$ perl -MO=Concise,-exec -we'$foo = "foo";  $foo =~ s/(foo)/$1/ig'
1  <0> enter 
2  <;> nextstate(main 1 -e:1) v:{
3  <$> const[PV "foo"] s
4  <#> gvsv[*foo] s
5  <2> sassign vKS/2
6  <;> nextstate(main 1 -e:1) v:{
7  <#> gvsv[*foo] s
8  </> subst(/"(foo)"/ replstart->9) vKS
9      <#> gvsv[*1] s
a      <|> substcont(other->8) sK/1
b  <@> leave[1 ref] vKP/REFC
-e syntax OK

这就是我所能提供的。您可能想尝试 Rx , mjd 的旧正则表达式调试器。