Запись в Perl FAQ Как удалить пустое пространство с начала/конца строки? заявляет, что используя
s/^\s+|\s+$//g;
работает медленнее, чем выполнение в два этапа:
s/^\s+//;
s/\s+$//;
Почему этот комбинированный оператор заметно медленнее, чем отдельные (для любой входной строки)?
Среда выполнения регулярных выражений Perl выполняется намного быстрее при работе с подстроками "fixed" или "anchored", а не "floated". Подстрока фиксируется, когда вы можете заблокировать ее в определенном месте в исходной строке. Оба "^" и "$" обеспечивают это закрепление. Однако, когда вы используете альтернативу '|', компилятор не распознает выбор как фиксированный, поэтому он использует менее оптимизированный код для сканирования всей строки. И в конце процесса поиск фиксированных строк дважды намного, намного быстрее, чем поиск плавающей строки один раз. В соответствующей заметке чтение perl regcomp.c заставит вас ослепнуть.
Обновление: Вот некоторые дополнительные подробности. Вы можете запустить perl с помощью флага "-Dr", если вы скомпилировали его с поддержкой отладки и выгрузите данные компиляции регулярных выражений. Вот что вы получите:
~# debugperl -Dr -e 's/^\s+//g'
Compiling REx `^\s+'
size 4 Got 36 bytes for offset annotations.
first at 2
synthetic stclass "ANYOF[\11\12\14\15 {unicode_all}]".
1: BOL(2)
2: PLUS(4)
3: SPACE(0)
4: END(0)
stclass "ANYOF[\11\12\14\15 {unicode_all}]" anchored(BOL) minlen 1
# debugperl -Dr -e 's/^\s+|\s+$//g'
Compiling REx `^\s+|\s+$'
size 9 Got 76 bytes for offset annotations.
1: BRANCH(5)
2: BOL(3)
3: PLUS(9)
4: SPACE(0)
5: BRANCH(9)
6: PLUS(8)
7: SPACE(0)
8: EOL(9)
9: END(0)
minlen 1
Обратите внимание на слово "привязано" на первом дампе.
Другие ответы показали, что полностью привязанные регулярные выражения позволяют двигателю оптимизировать процесс поиска, фокусируясь только на начале или конце или строке. По-видимому, вы можете увидеть эффект этой оптимизации, сравнивая разницу в скорости двух подходов с использованием строк различной длины. По мере того как строка становится длиннее, "плавающее" регулярное выражение (с чередованием) страдает все больше и больше.
use strict;
use warnings;
use Benchmark qw(cmpthese);
my $ws = " \t\t\n";
for my $sz (1, 10, 100, 1000){
my $str = $ws . ('Z' x $sz) . $ws;
cmpthese(-2, {
"alt_$sz" => sub { $_ = $str; s/^\s+|\s+$//g },
"sep_$sz" => sub { $_ = $str; s/^\s+//; s/\s+$// },
});
}
Rate alt_1 sep_1
alt_1 870578/s -- -16%
sep_1 1032017/s 19% --
Rate alt_10 sep_10
alt_10 384391/s -- -62%
sep_10 1010017/s 163% --
Rate alt_100 sep_100
alt_100 61179/s -- -92%
sep_100 806840/s 1219% --
Rate alt_1000 sep_1000
alt_1000 6612/s -- -97%
sep_1000 261102/s 3849% --
Поскольку эти два метода логически эквивалентны, нет никаких причин для их отличия в производительности оценки. На практике, однако, некоторые двигатели не смогут определять оптимизацию в более сложных регулярных выражениях.
В этом случае объединенное регулярное выражение в целом не сохраняется, поэтому оно может потенциально совпадать в любой точке строки, а ^\s+ привязано к началу, так что это тривиально, и \s+$ привязывается в конце и предоставляет один символ для каждого символа с конца назад - хорошо оптимизированный движок распознает этот факт и будет соответствовать обратному, что делает его столь же тривиальным, как соответствие ^\s+ на обратной стороне вход.
Если это действительно так, то это будет потому, что механизм регулярных выражений может оптимизировать лучше для отдельных регулярных выражений, чем для комбинированного.
Что вы подразумеваете под "заметно медленнее"?