在 Tcl 中匹配贪婪与非贪婪操作

Question

假设我想匹配一个文本下面的文本，

[ OK - 977613837 bytes ] 

我可以通过多种方式编写正则表达式。考虑以下代码，

set length "\[ OK - 977613837 bytes \]"
puts $length

#can be many ways, I am just keeping 2, to have it for question's sake
puts [ regexp -inline {\[\s+OK\s+-\s+\d+\s+bytes\s+\]} $length ] 
puts [ regexp -inline {\[.*OK.*\d+.*bytes.*\]} $length ]

这两个正则表达式都可以让我知道匹配的文本是否可用。

假设我不关心子匹配文本并假设文本将是一致的（即在最后一个右方括号之后不会有任何内容。）。我之所以说文本将是一致的，是为了避免贪婪的运算符获得更多的文本。

我相信在这种情况下，在这个给定的条件下，两者可以具有相同的含义。

问起来可能有点傻，但就执行时间而言，哪个正则表达式更有效？

Answer 1

很难预测最快的 RE 将是多少，尤其是在输入非常有限的情况下。正则表达式可以在开始时快速匹配但通常慢，或者快速匹配但慢匹配失败，等等。您还必须注意，捕获任何内容都会减慢引擎速度，any 回溯也是如此。使用time 命令进行调查。

% set length "\[ OK - 977613837 bytes \]"
[ OK - 977613837 bytes ]
% puts [regexp -inline {\[\s+OK\s+-\s+\d+\s+bytes\s+\]} $length]
{[ OK - 977613837 bytes ]}
% time {regexp -inline {\[\s+OK\s+-\s+\d+\s+bytes\s+\]} $length}
26 microseconds per iteration
% time {regexp -inline {\[\s+OK\s+-\s+\d+\s+bytes\s+\]} $length} 1000
8.996317 microseconds per iteration
% time {regexp -inline {\[\s+OK\s+-\s+\d+\s+bytes\s+\]} $length} 10000
6.5541893 microseconds per iteration
% time {regexp -inline {\[\s+OK\s+-\s+\d+\s+bytes\s+\]} $length} 100000
6.42272296 microseconds per iteration

（请注意，增加迭代次数会使每次迭代的时间更准确。）

尽管有一些一般要点：Tcl 缓存已编译的 RE，以便连续几次运行相同的 RE 很快。它有多种管理缓存的方法，但是缓存非常可以很好地与 RE 一起使用，无论是文字还是存储在全局/命名空间变量中（前提是您不修改变量）。

并且确保您在运行计时之前使用的是优化的 Tcl 构建。调试构建要慢得多。