语言或库之间的正则表达式性能

Question

我找不到关于这个主题的任何信息，所以我想知道是否有人比较了不同语言之间正则表达式匹配的速度。我想知道哪种语言可以更快地进行正则表达式评估，因为在我当前的项目中，我需要不断评估大量的正则表达式。语言的选择将主要基于这种表现。

我的想法是 C/C++ 自然会更快，但我想尽可能避免它，我不确定我是否正确。例如，C# 库可能使用带有 P/Invoke 的 native 代码，因此速度差异可能是荒谬的。但我不知道该选择什么库，或者我是否需要围绕 C++ 库创建一个包装器(哪个？)。

Answer 1

什么样的正则表达式？他们会使用前瞻、后视、反向引用、勉强量词、原子组、所有格量词等功能吗？

其他响应者已链接到 regex-dna benchmark ，但它仅使用所有正则表达式共享的最基本功能，例如 Kleene 星形 ( * ) 和交替 ( | )。因此，虽然 GNU C/C++ 实现似乎是明显的赢家，但如果您需要我上面列出的任何功能，它们对您没有任何好处。

另一个考虑因素是 Unicode 支持。如果您正在处理实际文本(而不是表示为文本的数据，如 regex-dna 基准测试)，您应该使用具有良好 Unicode 支持的正则表达式风格。

我建议你研究一下 C#。 .NET regex 风格并不以缓慢而著称(这是您可以说的关于 regex 速度 IMO 的唯一明智的说法)，并且对于性能关键的应用程序，它提供了 compiling directly to byte code 选项。以获得显着的性能提升。