未锚定的子字符串搜索：索引与正则表达式？

Question

我正在编写一些需要进行大量字符串匹配的 Perl 脚本。 例如：

my $str1 = "this is a test string";
my $str2 = "test";

查看 $str1 是否包含 $str2 - 我发现有两种方法：

方法一： 使用索引函数：

if ( index($str1, $str2) != -1 ) { .... }

方法 2： 使用正则表达式：

if( $str1 =~ /$str2/ ) { .... }

哪个更好？我们什么时候应该使用它们中的每一个？

Answer 1

这是基准测试的结果：

use Benchmark qw(:all) ;
my $count = -1;
my $str1 = "this is a test string";
my $str2 = "test";
my $str3 = qr/test/;

cmpthese($count, {
    'type1' => sub { if ( index($str1, $str2) != -1 ) { 1 } },
    'type2' => sub { if( $str1 =~ $str3 ) { 1 } },
});

结果（发生匹配时）：

           Rate type2 type1
type2 1747627/s    --  -70%
type1 5770465/s  230%    --

为了能够得出结论，请测试 not 是否匹配：

my $str2 = "text";
my $str3 = qr/text/;

结果（未发生匹配时）：

           Rate type2 type1
type2 1857295/s    --  -67%
type1 5560630/s  199%    --

结论：

index 函数比正则表达式匹配要快得多。

Answer 2

当我看到使用index 的代码时，我通常会在index 中看到index 在index 中，等等。还有更多分支：“如果找到，请查找this；否则由于找不到，请寻找那个。"几乎总是一个单一的正则表达式会起作用。所以，对我来说，我几乎总是使用正则表达式，除非有特定原因我想使用 index。

不幸的是，我遇到的大多数程序员都没有很好地阅读正则表达式，因此为了可维护性，应该比我更多地使用 index 方法。

Answer 3

如果您需要子字符串匹配，请使用index。如果您需要正则表达式匹配（正则表达式元字符具有特殊含义），请使用=~。子字符串匹配通常更快，但是 Perl 中的正则表达式已经得到了很好的优化，简单的正则表达式匹配可以非常快。自己做基准测试。

从 Perl 5.6 开始，Perl 足够聪明，可以重新编译 $str =~ /$str2/ 中的正则表达式，如果 $str2 自上次编译后发生了变化。要完全控制编译正则表达式的时间，请使用qr/$str2/。请参阅 Does the 'o' modifier for Perl regular expressions still provide any benefit? 了解 q/.../o（已过时）和 qr/.../（大部分时间不需要，但可能很有用）。