Haskell中原始但有效的grep克隆？答案

【问题标题】：Primitive but efficient grep clone in haskell?Haskell中原始但有效的grep克隆？
【发布时间】：2016-12-05 04:04:01
【问题描述】：

每当我考虑学习一门新语言（在这种情况下为 haskell）时，我都会尝试将原始 grep 克隆组合在一起，以查看语言实现和/或其库在文本处理方面的表现如何，因为这是一个主要用例对我来说。

受code on the haskell wiki的启发，我想出了以下幼稚的尝试：

{-# LANGUAGE FlexibleContexts, ExistentialQuantification #-}

import Text.Regex.PCRE
import System.Environment

io :: ([String] -> [String]) -> IO ()
io f = interact (unlines . f . lines)

regexBool :: forall r l .
  (RegexMaker Regex CompOption ExecOption r,
   RegexLike Regex l) =>
  r -> l -> Bool
regexBool r l = l =~ r :: Bool

grep :: forall r l .
  (RegexMaker Regex CompOption ExecOption r, RegexLike Regex l) =>
  r -> [l] -> [l]
grep r = filter (regexBool r)

main :: IO ()
main = do
  argv <- getArgs
  io $ grep $ argv !! 0

这似乎在做我想做的事，但不幸的是，它真的很慢——比执行相同操作的 python 脚本慢大约 10 倍。我认为这不是正则表达式库的问题，因为它调用 PCRE 应该非常快（切换到 Text.Regex.Posix 会进一步减慢速度）。所以它一定是String 实现，从理论的角度来看这是有启发性的，但根据我所读到的，它是低效的。

haskell 中是否有一个替代 Strings 的替代方案，既高效又方便（即切换到使用它而不是 Strings 时几乎没有摩擦），并且可以完全正确地处理 UTF-8 编码的 Unicode ，以及其他没有太多麻烦的编码，如果可能的话？每个人在 haskell 中进行文本处理时都会使用的东西，但我只是不知道，因为我是一个完整的初学者？

【问题讨论】：

使用Text
只是想指出获得类似 C 的速度是可能的，但可能需要一些努力。看看 cgrep - awgn.github.io/cgrep
String 是一个低性能的惰性字符串，它对于基本的短字符串“很好”，但不适合严重的文本操作。 Text 是用于 Unicode 文本操作的高性能类型。（还有ByteString，它不是用于文本，而是用于字节序列。）
你在编译优化吗？
@amalloy：我不知道优化，感谢您向我指出！不幸的是，在这种特殊情况下，差异似乎可以忽略不计......

标签： regex haskell grep

【解决方案1】：

速度慢可能是使用标准库的列表类型造成的。我过去经常遇到性能问题。

最好对可执行文件进行概要分析，看看它在哪里花费时间：Tools for analyzing performance of a Haskell program。分析 Haskell 程序非常简单（使用开关编译并执行程序并添加参数，然后将报告写入当前工作目录中的文本文件）。

顺便说一句，我在学习一门新语言时使用了与您完全相同的方法：创造有用的东西。我使用 Haskell 做这件事的经验是，通过分析和进行相对简单的更改（通常是几行），我可以轻松地将性能提高一到两个数量级。

【讨论】：

感谢您的提示，我不知道 haskell 有这么好的开箱即用的分析支持！看起来我在io 上花费了大约三分之二的时间，在regexBool 上花费了三分之一（见上文），所以这里没有真正的惊喜——我只需要更快地拨打这些电话......这应该是可行的正如上面其他评论者所指出的那样，使用Text 而不是String；唯一的问题是，到目前为止，我还无法让我的程序对这个修改进行类型检查。
@dlukes - 取决于您使用的正则表达式库 - 我认为正则表达式重有 Text 支持其他似乎只有 String/ByteString 但可能内联这是足以满足您的需求。