PHP - Manual: 性能
2024-12-23
模式中一些项可能比其他一些更加高效。 比如使用 [aeiou] 这样的字符类会比可选路径 (a|e|i|o|u) 高效。 一般而言, 用尽可能简单的构造描述需求是最高效的。 Jeffrey Friedl 书(精通正则表达式)中包含了很多关于正则表达式性能的讨论。
当一个模式以 .* 开始并且设置了 PCRE_DOTALL
选项时,模式通过PCRE隐式锚定,
因为它可以匹配字符串的开始。然而,如果
PCRE_DOTALL
没有设置,PCRE 不能做这个优化,因为.元字符不能匹配换行符,如果目标字符串包含换行符,
模式可能会从一个换行符后面开始匹配,而不是最开始位置。 比如,模式
(.*) second
匹配目标字符串 ”first\nand
second”(\n 是一个换行符)第一个捕获子组结果是 ”and”。为了这样做,
PCRE 尝试从目标字符串中每个换行符后开始匹配。
如果你使用模式匹配没有换行符的目标字符串, 可以通过设置 PCRE_DOTALL 或以 ^.* 开始的模式明确指示锚定以获取最佳性能。 这样节省了 PCRE 沿目标字符串扫描查找换行符重新开始的时间。
小心模式中的无限重复嵌套。这在应用到不匹配字符串时可能会导致运行时间很长。
考虑模式片段
(a+)*
这个模式可以有 33 种方式匹配 ”aaaa”, 并且这个数字会随着字符串的长度的增加迅速增加. (*重复可以匹配0,1,2,3,4次, 并且除了0外每种情况+都有不同次数的匹配对应)。 当模式的剩余部分导致整个匹配失败的时候, PCRE原则上回尝试每种可能的变化, 这将会非常耗时。
对于一些简单的情况的优化是像
(a+)*b
这样紧接着使用原文字符串.。
在着手正式匹配工作之前,PCRE 检查目标字符串后面是否有 ”b” 字符,
如果没有就立即失败。然而当紧接着没有原文字符的时候这个优化是不可用的。
你可以比较观察
(a+)*\d
和上面模式的行为差异。
前者在应用到整行的 ”a” 组成的字符串时几乎是立即报告失败,
而后者在目标字符串长于 20 个字符时,时间消耗就相当可观。
官方地址:https://www.php.net/manual/en/regexp.reference.performance.php