我们正试图摆脱 boost::regex，它的性能很糟糕。 根据this 基准，Oniguruma 是最好的整体。
我们有多个正则表达式（并且总是在变化），我们将它们应用于从中等（100 个字符）到巨大（1k 个字符）的字符串......所以这是一个非常异构的环境。
你们中有人成功使用过它吗？您是否建议选择 PCRE 或 RE2 等更“标准”的？
谢谢！
【问题讨论】：
标签： c++ c regex performance cross-platform
这两种实现（FSA 和 BT）具有完全不同的行为，您可以在右侧的列（电子邮件）中看到。
oniguruma 通常很快，但如果您对特定的正则表达式“不走运”，则可能会运行缓慢。那是因为它是一种回溯算法。
相比之下，虽然 re2 通常会慢一些，但它没有相同的风险 - 它的时间永远不会[*] 以相同的方式爆炸（它没有最坏情况下的指数行为）。
所以这取决于细节。如果你确信你的正则表达式是安全的，或者愿意检测并中止慢匹配，那么 oniguruma 是有意义的。但我个人倾向于为 re2 的安全性支付更多（不多）。
有关更多信息，请参阅http://swtch.com/~rsc/regexp/regexp1.html（由 re2 作者提供）。
[*] 好吧，也许永远不会太强大。对于某些正则表达式，我认为在某些情况下它必须依靠 BT 方法（可能涉及匹配先前的匹配和前瞻）。但在大多数正则表达式上它仍然更安全。
【讨论】：
我已经使用以下库进行了基准测试：
基准测试包括执行一系列测试，这些测试大量使用了非常异构正则表达式（分组，不分组，长（484个字符），短，管道，\？， *， 。， ETC。）。应用于从几个字符到大约 8k 个字符的文本。
每次计算正则表达式匹配时，我都会存储正则表达式并递增一个毫秒计数器，以累积计算正则表达式所花费的时间（称为多次）。
这是每个库的所有正则表达式所花费的总时间：
*我们（几乎）总是希望在正则表达式中捕获组的内容，而 re2 在捕获组时执行可怕（see here）。在上面的结果中你看不到那么多，因为当组不能被捕获时，它表现得很好。例如在这个正则表达式上（执行了很多次）：
^((?:https?://)?(?:[a-z0-9\-]{1,63}\.)+(?:[a-z0-9\-]{1,63}))(?:[^\?]*).*$
这是每个库的结果：
查看 re2 从 5663 毫秒到 37 毫秒的下降。
所以我的结论是，就我们的使用而言，Oniguruma 显然更胜一筹。
但如果您不需要捕获组，re2 是更好的选择，因为我发现它的 API 更易于使用。
【讨论】：