\ d效率低于[0

我昨天对某个人在正则表​​达式中使用[0123456789]而不是[0-9]或d的回答发表了评论。 我说使用范围或数字说明符可能比字符集更有效。

我决定今天测试一下，发现令我惊讶的是（至少在C＃正则表达式引擎中） d看起来效率不如其他两种似乎差别不大的其他两种效率更高。 这是我的测试输出超过1000个随机字符的10000个随机字符串，其中5077实际上包含一个数字：

Regular expression d           took 00:00:00.2141226 result: 5077/10000
Regular expression [0-9]        took 00:00:00.1357972 result: 5077/10000  63.42 % of first
Regular expression [0123456789] took 00:00:00.1388997 result: 5077/10000  64.87 % of first

出于两个原因，我感到很惊讶：

我会认为这个系列比这个系列更有效率。

我不明白为什么d比[0-9]更糟糕。 是否有更多的d不是简单的简写[0-9]

这里是测试代码：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Diagnostics;
using System.Text.RegularExpressions;

namespace SO_RegexPerformance
{
    class Program
    {
        static void Main(string[] args)
        {
            var rand = new Random(1234);
            var strings = new List<string>();
            //10K random strings
            for (var i = 0; i < 10000; i++)
            {
                //Generate random string
                var sb = new StringBuilder();
                for (var c = 0; c < 1000; c++)
                {
                    //Add a-z randomly
                    sb.Append((char)('a' + rand.Next(26)));
                }
                //In roughly 50% of them, put a digit
                if (rand.Next(2) == 0)
                {
                    //Replace one character with a digit, 0-9
                    sb[rand.Next(sb.Length)] = (char)('0' + rand.Next(10));
                }
                strings.Add(sb.ToString());
            }

            var baseTime = testPerfomance(strings, @"d");
            Console.WriteLine();
            var testTime = testPerfomance(strings, "[0-9]");
            Console.WriteLine("  {0:P2} of first", testTime.TotalMilliseconds / baseTime.TotalMilliseconds);
            testTime = testPerfomance(strings, "[0123456789]");
            Console.WriteLine("  {0:P2} of first", testTime.TotalMilliseconds / baseTime.TotalMilliseconds);
        }

        private static TimeSpan testPerfomance(List<string> strings, string regex)
        {
            var sw = new Stopwatch();

            int successes = 0;

            var rex = new Regex(regex);

            sw.Start();
            foreach (var str in strings)
            {
                if (rex.Match(str).Success)
                {
                    successes++;
                }
            }
            sw.Stop();

            Console.Write("Regex {0,-12} took {1} result: {2}/{3}", regex, sw.Elapsed, successes, strings.Count);

            return sw.Elapsed;
        }
    }
}

---

d检查所有的Unicode数字，而[0-9]仅限于这10个字符。 例如，波斯数字۱۲۳۴۵۶۷۸۹是与d匹配的Unicode数字的一个例子，但不是[0-9] 。

您可以使用以下代码生成所有这些字符的列表：

var sb = new StringBuilder();
for(UInt16 i = 0; i < UInt16.MaxValue; i++)
{
    string str = Convert.ToChar(i).ToString();
    if (Regex.IsMatch(str, @"d"))
        sb.Append(str);
}
Console.WriteLine(sb.ToString());

其中产生：

012345678901234567890123456789߀߁߂߃߄߅߆߇߈߉012345678901২345678901234567890123456789୦୧୨୩୪୫୬୭୮୯0123456789012345678901234567890123456789012345678901234567890123456789012345678901234567890123456789᠐᠑᠒᠓᠔᠕᠖᠗᠘᠙᥆᥇᥈᥉᥊᥋᥌᥍᥎᥏᧐᧑᧒᧓᧔᧕᧖᧗᧘᧙᭐᭑᭒᭓᭔᭕᭖᭗᭘᭙᮰᮱᮲᮳᮴᮵᮶᮷᮸᮹᱀᱁᱂᱃᱄᱅᱆᱇᱈᱉᱐᱑᱒᱓᱔᱕᱖᱗᱘᱙꘠꘡꘢꘣꘤꘥꘦꘧꘨꘩꣐꣑꣒꣓꣔꣕꣖꣗꣘꣙꤀꤁꤂꤃꤄꤅꤆꤇꤈꤉꩐꩑꩒꩓꩔꩕꩖꩗꩘꩙0123456789

---

感谢ByteBlast在文档中注意到这一点。 只是改变正则表达式的构造函数：

var rex = new Regex(regex, RegexOptions.ECMAScript);

提供新的时机：

Regex d           took 00:00:00.1355787 result: 5077/10000
Regex [0-9]        took 00:00:00.1360403 result: 5077/10000  100.34 % of first
Regex [0123456789] took 00:00:00.1362112 result: 5077/10000  100.47 % of first

---

从正则表达式中的“ d”是什么意思？

[0-9]不等同于d 。 [0-9]只匹配0123456789字符，而d匹配[0-9]和其他数字字符，例如东部阿拉伯数字٠١٢٣٤٥٦٧٨٩

链接地址: http://www.djcxy.com/p/2495.html

上一篇: \d is less efficient than [0

下一篇: Compiling an application for use in highly radioactive environments