Самый быстрый способ проверить, соответствует ли строка регулярному выражению в ruby?

Ответ 1

Начиная с Ruby 2.4.0, вы можете использовать RegExp#match?:

pattern.match?(string)

RegExp#match? явно указан как повышение производительности в примечаниях к выпуску для версии 2.4.0, поскольку он позволяет избежать распределения объектов, выполняемых другими методами таких как Regexp#match и =~:

Regexp # матч?
Добавлен RegExp#match?, который выполняет соответствие регулярному выражению без создания обратного ссылочного объекта и изменения $~, чтобы уменьшить выделение объектов.

Ответ 2

Это простой тест:

require 'benchmark'

"test123" =~ /1/
=> 4
Benchmark.measure{ 1000000.times { "test123" =~ /1/ } }
=>   0.610000   0.000000   0.610000 (  0.578133)

"test123"[/1/]
=> "1"
Benchmark.measure{ 1000000.times { "test123"[/1/] } }
=>   0.718000   0.000000   0.718000 (  0.750010)

irb(main):019:0> "test123".match(/1/)
=> #<MatchData "1">
Benchmark.measure{ 1000000.times { "test123".match(/1/) } }
=>   1.703000   0.000000   1.703000 (  1.578146)

Итак, =~ работает быстрее, но это зависит от того, что вы хотите иметь в качестве возвращаемого значения. Если вы просто хотите проверить, содержит ли текст регулярное выражение или не использовать =~

Ответ 3

Это контрольный показатель, который я выполнил после того, как нашел некоторые статьи в сети.

С 2.4.0 победитель re.match?(str) (как было предложено @wiktor-stribiżew), в предыдущих версиях re =~ str кажется самым быстрым, хотя str =~ re работает почти так же быстро.

#!/usr/bin/env ruby
require 'benchmark'

str = "aacaabc"
re = Regexp.new('a+b').freeze

N = 4_000_000

Benchmark.bm do |b|
    b.report("str.match re\t") { N.times { str.match re } }
    b.report("str =~ re\t")    { N.times { str =~ re } }
    b.report("str[re]  \t")    { N.times { str[re] } }
    b.report("re =~ str\t")    { N.times { re =~ str } }
    b.report("re.match str\t") { N.times { re.match str } }
    if re.respond_to?(:match?)
        b.report("re.match? str\t") { N.times { re.match? str } }
    end
end

Результаты MRI 1.9.3-o551:

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re =~ str         2.390000   0.000000   2.390000 (  2.397331)
str =~ re         2.450000   0.000000   2.450000 (  2.446893)
str[re]           2.940000   0.010000   2.950000 (  2.941666)
re.match str      3.620000   0.000000   3.620000 (  3.619922)
str.match re      4.180000   0.000000   4.180000 (  4.180083)

Результаты MRI 2.1.5:

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re =~ str         1.150000   0.000000   1.150000 (  1.144880)
str =~ re         1.160000   0.000000   1.160000 (  1.150691)
str[re]           1.330000   0.000000   1.330000 (  1.337064)
re.match str      2.250000   0.000000   2.250000 (  2.255142)
str.match re      2.270000   0.000000   2.270000 (  2.270948)

Результаты MRI 2.3.3 (похоже, существует регрессия в сопоставлении регулярных выражений):

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re =~ str         3.540000   0.000000   3.540000 (  3.535881)
str =~ re         3.560000   0.000000   3.560000 (  3.560657)
str[re]           4.300000   0.000000   4.300000 (  4.299403)
re.match str      5.210000   0.010000   5.220000 (  5.213041)
str.match re      6.000000   0.000000   6.000000 (  6.000465)

Результаты MRI 2.4.0:

$ ./bench-re.rb  | sort -t $'\t' -k 2
       user     system      total        real
re.match? str     0.690000   0.010000   0.700000 (  0.682934)
re =~ str         1.040000   0.000000   1.040000 (  1.035863)
str =~ re         1.040000   0.000000   1.040000 (  1.042963)
str[re]           1.340000   0.000000   1.340000 (  1.339704)
re.match str      2.040000   0.000000   2.040000 (  2.046464)
str.match re      2.180000   0.000000   2.180000 (  2.174691)

Ответ 4

Как насчет re === str (сравнение случаев)?

Так как он оценивает значение true или false и не нуждается в сохранении совпадений, возвращении индекса соответствия и того материала, мне интересно, будет ли он еще более быстрым способом сопоставления, чем =~.

Хорошо, я проверил это. =~ все еще быстрее, даже если у вас несколько групп захвата, однако это быстрее, чем другие параметры.

Кстати, что хорошего freeze? Я не мог измерить прирост производительности.

Ответ 5

В зависимости от того, насколько сложным является ваше регулярное выражение, вы можете просто использовать простую секцию строк. Я не уверен в практичности этого для вашего приложения или действительно ли он будет предлагать какие-либо улучшения скорости.

'testsentence'['stsen']
=> 'stsen' # evaluates to true
'testsentence'['koala']
=> nil # evaluates to false

Ответ 6

Мне интересно, есть ли какой-нибудь странный способ сделать эту проверку еще быстрее, возможно, используя какой-то странный метод в Regexp или какую-нибудь странную конструкцию.

Двигатели Regexp отличаются тем, как они реализуют поиск, но, в общем, привязывают ваши шаблоны к скорости и избегают жадных совпадений, особенно при поиске длинных строк.

Лучшее, что нужно сделать, пока вы не знакомы с тем, как работает конкретный движок, - это делать тесты и добавлять/удалять привязки, пытаться ограничить поиск, использовать подстановочные знаки против явных совпадений и т.д.

Fruity драгоценный камень очень полезен для быстрого бенчмаркинга, потому что он умный. Ruby, встроенный Benchmark, также полезен, хотя вы можете писать тесты, которые вас обманывают, не будучи осторожными.

Я использовал как много ответов здесь, так и в разделе "Переполнение стека", поэтому вы можете выполнять поиск по моим ответам и получать множество небольших трюков и результатов, чтобы дать вам представление о том, как писать более быстрый код.

Самое важное, что нужно помнить, - это плохо, преждевременно оптимизировать свой код, прежде чем вы узнаете, где происходит замедление.

Ответ 7

Чтобы завершить ответы Виктора Стрибиева и Дуги, я бы сказал, что /regex/.match?("string") примерно так же быстро, как и "string".match?(/regex/).

Ruby 2.4.0 (10 000 000 ~ 2 сек)

2.4.0 > require 'benchmark'
 => true 
2.4.0 > Benchmark.measure{ 10000000.times { /^CVE-[0-9]{4}-[0-9]{4,}$/.match?("CVE-2018-1589") } }
 => #<Benchmark::Tms:0x005563da1b1c80 @label="", @real=2.2060338060000504, @cstime=0.0, @cutime=0.0, @stime=0.04000000000000001, @utime=2.17, @total=2.21> 
2.4.0 > Benchmark.measure{ 10000000.times { "CVE-2018-1589".match?(/^CVE-[0-9]{4}-[0-9]{4,}$/) } }
 => #<Benchmark::Tms:0x005563da139eb0 @label="", @real=2.260814556000696, @cstime=0.0, @cutime=0.0, @stime=0.010000000000000009, @utime=2.2500000000000004, @total=2.2600000000000007> 

Ruby 2.6.2 (100 000 000 ~ 20 сек)

irb(main):001:0> require 'benchmark'
=> true
irb(main):005:0> Benchmark.measure{ 100000000.times { /^CVE-[0-9]{4}-[0-9]{4,}$/.match?("CVE-2018-1589") } }
=> #<Benchmark::Tms:0x0000562bc83e3768 @label="", @real=24.60139879199778, @cstime=0.0, @cutime=0.0, @stime=0.010000999999999996, @utime=24.565644999999996, @total=24.575645999999995>
irb(main):004:0> Benchmark.measure{ 100000000.times { "CVE-2018-1589".match?(/^CVE-[0-9]{4}-[0-9]{4,}$/) } }
=> #<Benchmark::Tms:0x0000562bc846aee8 @label="", @real=24.634255946999474, @cstime=0.0, @cutime=0.0, @stime=0.010046, @utime=24.598276, @total=24.608321999999998>

Примечание: времена меняются, иногда /regex/.match?("string") быстрее, а иногда "string".match?(/regex/), различия могут быть связаны только с "string".match?(/regex/) компьютера.