在阅读了 RE/NFA 和 DFA 之后，似乎使用 RE 而不是蛮力 O(mn) 查找，在字符串中查找子字符串实际上可能会渐近更快。我的理由是 DFA 实际上会保持状态并避免多次处理“干草堆”中的每个字符。因此，如果使用正则表达式，在长字符串中的搜索实际上可能会快得多。
当然，这仅对从 NFA 转换为 DFA 的 RE 匹配器有效。
有没有人在现实生活中使用 RE 而不是暴力匹配器时体验到更好的字符串匹配性能？
【问题讨论】：
标签： regex string regular-language
如果您查看大多数语言的文档，它会提到如果您不需要正则表达式的强大功能，出于性能原因，您应该使用非正则表达式版本...示例：http://www.php.net/manual/en/function.preg-split.php 声明：“如果您不需要需要正则表达式的强大功能，您可以选择更快（尽管更简单）的替代方法，例如 explode() 或 str_split()。"
这是一种无处不在的权衡。也就是说，解决方案越灵活、功能越丰富，其性能就越差。
【讨论】：
实践中使用的正则表达式大多是PCRE（Perl-Compatible Regular Expressions），它比正则语言更广泛，因此不能用正则语法来表达。 PCRE 具有诸如正/负前瞻/后视断言甚至递归之类的功能，因此解析可能需要多次处理某些字符。当然，这一切都归结为特定的 RE 实现：如果表达式保持在常规语法的范围内，它是否被优化。
就我个人而言，我没有对两者进行任何形式的性能比较。但是，根据我的经验，我从来没有遇到过蛮力查找和替换的性能问题，而我不得不多次处理 RE 性能瓶颈。
【讨论】：
首先，我建议您阅读有关多种语言的正则表达式内部的文章：Regular Expression Matching Can Be Simple And Fast。
由于许多语言中的正则表达式不仅用于匹配，而且还提供组捕获和反向引用的可能性，所以几乎所有实现在执行从给定正则表达式构建的 NFA 时都使用所谓的“回溯”。而且这种实现具有指数时间复杂度（在最坏的情况下）。
可以通过 DFA（使用组捕获）实现 RE，但它有开销（请参阅 Laurikari 的论文 NFAs with Tagged Transitions, their Conversion to Deterministic Automata and Application to Regular Expressions）。
对于简单的子字符串搜索，您可以使用 Knuth-Morris-Pratt 算法，该算法构建 DFA 来搜索子字符串，并且具有最佳的 O(len(s)) 复杂度。但它也有开销，如果你在现实世界的单词和短语（不是那么重复）上针对这种优化算法测试朴素方法 (O(nm))，你会发现平均而言，朴素方法更好。
对于精确的子字符串搜索，您还可以尝试 Boyer–Moore 算法，它具有 O(mn) 的最坏情况复杂度，但在实际数据上的平均效果优于 KMP。
【讨论】：
O(n)；它永远不需要超过3n 比较。更简单的 Boyer-Moore-Horspool 最多需要 mn，但这不是“相同”的算法。