我有一个非常大的文件，看起来像这样（见下文）。我有两种基本的正则表达式可供选择（我知道可能还有其他方法，但我真的想比较贪婪和否定字符类）方法。
ftp: [^\D]{1,}
ftp: (\d)+
ftp: \d+
注意：如果我去掉 \d 周围的括号会怎样？
现在 + 是贪婪的，它会强制回溯，但 Negated Char 类需要逐个字符比较。哪个更有效率？假设文件非常非常大，因此处理器使用的微小差异会由于文件的长度而被夸大。
既然你已经回答了这个问题，如果我的 Negated Char Class 非常大，比如说 18 个不同的字符怎么办？这会改变你的答案吗？
谢谢。
ftp：1117 字节
ftp：5696 字节
ftp：3207 字节
ftp：5696 字节
ftp：7200字节
【问题讨论】：
标签： regex regex-greedy
[^\D]{1,} 和 \d+ 完全相同。正则表达式解析器会将 [^\D] 和 \d 编译成内容相同的字符类，而 + 只是 {1,} 的缩写。
如果你想要懒惰的重复，你可以添加一个 ?最后。
\d+?
字符类通常被编译成 ASCII 字符的位图。对于 Unicode (>=256)，它取决于实现。一种方法是创建一个范围列表，并对其使用二进制搜索。
对于 ASCII，查找时间在大小上是恒定的。对于 Unicode，它是对数或线性的。
【讨论】：
你的两个表情都有同样的贪婪。正如其他人在这里所说，除了捕获组之外，它们将以相同的方式执行。
同样在这种情况下，贪婪对执行速度的影响并不大，因为在 \d* 之后没有任何内容。在这种情况下，表达式将简单地处理它可以找到的所有数字，并在遇到空格时停止。这些表达式不应发生回溯。
为了更明确，如果您有这样的表达式，则应该进行回溯：
\d*123
在这种情况下，解析器将吞没所有数字，然后回溯以匹配后面的三个数字。
【讨论】：
是的，我同意 MizardX... 这两个表达式在语义上是等价的。尽管分组可能需要额外的资源。你问的不是这个。
【讨论】：
我最初的测试表明 [^\D{1,} 比 \d+ 慢一点，在 184M 文件上，前者需要 9.6 秒，而后者需要 8.2 秒
没有捕获（() 的）两者都快了大约 1 秒，但两者之间的差异大致相同。
我还做了一个更广泛的测试，将捕获的值打印到 /dev/null，第三个版本在空间上拆分，结果：
([^\D]{1,}): ~18s
(\d+): ~17s
(split / /)[1]: ~17s
编辑：拆分版本得到改进，时间减少到与 (\d+) 相同或更低
目前最快的版本（有人可以改进吗？）：
while (<>)
{
if ($foo = (split / /)[1])
{
print $foo . "\n";
}
}
【讨论】：
这是一个棘手的问题，因为(\d)+ 由于捕获括号的开销而需要稍长的时间。如果您将其更改为\d+，它们在我的 Perl / 系统中花费的时间相同。
【讨论】：
不是对问题的直接回答，但既然您已经知道行的格式，为什么不采用完全不同的方法呢？例如，您可以在字段之间的空白处使用正则表达式，或者完全避免使用正则表达式并在空白处使用 split()，这通常比任何正则表达式都快，具体取决于您使用的语言。
【讨论】：