PHP Regex 优化现有模式答案

【问题标题】：PHP Regexp Optimize An Existing PatternPHP Regex 优化现有模式
【发布时间】：2018-08-10 19:54:39
【问题描述】：

我正在使用此代码

preg_match_all("/([^#]+\btbds\b.+?)#/iu", $data, $matches);

查找所有名为 tbds 的单词，但执行模式搜索大约需要 1.20 秒。如果我只使用 tbds\b 而不是 \btbds\b 只需 0.19 秒（少 6 倍）。

preg_match_all("/([^#]+tbds\b.+?)#/iu", $data, $matches);

有什么方法可以优化单词匹配 \btbds\b 以花费大约 0.19 秒？我需要处理大量数据。

这里是测试代码：

function generateRandomString($length = 10) {
    $characters = ' 0123 456 789 abcd efgh ijkl mn opqrstu vwx yzAB CDE FGHI JKL MNOP QRS TUVWX YZ';
    $charactersLength = strlen($characters);
    $randomString = '';
    for ($i = 0; $i < $length; $i++) {
        $randomString .= $characters[rand(0, $charactersLength - 1)];
    }
    $randomString = preg_replace('/\s+/', ' ', $randomString);
    return trim($randomString,' ');
}


$data=NULL;
for ($a = 1; $a < 1000000; $a++) 
    $data.=" ".generateRandomString(100)." #";


$t = microtime(true);
preg_match_all("/([^#]+\btbds\b.+?)#/iu", $data, $matches); 
echo microtime(true) - $t; echo "\n";

【问题讨论】：

我需要处理大量数据。欢迎任何帮助:)
那么，你想对这么大量的数据做什么，为什么必须快速完成呢？如果我们知道您想要达到的目标，也许它可以激励我们帮助您？换句话说：我们如何优化我们一无所知的东西？
请注意，它们不匹配，因为没有\b 的匹配atbds #，而另一个则不会
可能会尝试另一种方法：$res = preg_grep('/\btbds\b/i', explode("#", $data));
@Miguel 也许您可以帮助我们了解您的真实输入数据，因为您随机生成的内容永远不会找到匹配项——没有生成# 符号。如果您希望我们为您设计优化模式，我们需要充分了解输入可变性。此外，您正在执行 unicode 匹配，但没有提供 unicode 字符。请改进您的问题。

标签： php regex preg-match preg-match-all

【解决方案1】：

也许这有可能匹配#，然后使用\K 重置报告匹配的起点。

然后在[^#]+ 和tbds 之间的单词边界\btbds\b 之间不匹配# 一次或多次。

#\K[^#]+\btbds\b[^#]+#

【讨论】：

感谢您的回答。我刚刚测试了您的建议，它的性能似乎与原始 /([^#]+\btbds\b.+?)#/iu 相似
@Miguel 你有没有比较几个例子在 regex101 上的步数？
是的，与原来相比，它的步骤很少，但就运行测试代码时的性能而言，我在 1.20 左右得到类似的执行时间

【解决方案2】：

让你的正则表达式变慢的是前面的[^#]+

如果您定义一个可以是 # 或 字符串开头 的起点，可能会有所帮助：

/(?:(?<=#)|^)([^#]*\btbds\b.+?)#/iu

The Demo

【讨论】：

我刚刚测试了你的答案，大约需要 1.20 秒。
我在 regex101 对其进行了测试，它需要大约 1/10 步，并且在 php 测试站点上使用您的基准测试它似乎也快得多:)
嗨，你的正则表达式 /(?:(?