PHP—PCRERegex效能

模式中一些項可能比其他一些更加高效。 比如使用 [aeiou] 這樣的字元類會比可選路徑 (a|e|i|o|u) 高效。 一般而言， 用儘可能簡單的構造描述需求是最搞笑的。 Jeffrey Friedl 書(精通Regex)中包含了很多關於Regex效能的討論。

當一個模式以 .* 開始並且設定了 PCRE_DOTALL 選項時，模式通過PCRE隱式錨定， 因為它可以匹配字串的開始。然而，如果 PCRE_DOTALL 沒有設定， PCRE 不能做這個最佳化，因為.元字元不能匹配分行符號，如果目標字串包含分行符號， 模式可能會從一個分行符號後面開始匹配，而不是最開始位置。 比如，模式 (.*) second 匹配目標字串 ”first\nand second”(\n 是一個分行符號)第一個捕獲子組結果是 ”and”。為了這樣做， PCRE 嘗試從目標字串中每個分行符號後開始匹配。

如果你使用模式比對沒有分行符號的目標字串， 可以通過設定 PCRE_DOTALL 或以 ^.* 開始的模式明確指示錨定以擷取最佳效能。 這樣節省了 PCRE 沿目標字串掃描尋找分行符號重新開始的時間。

小心模式中的無限重複嵌套。這在應用到不匹配字串時可能會導致已耗用時間很長。 考慮模式片段 (a+)*。

這個模式可以有 33 種方式匹配 ”aaaa”， 並且這個數字會隨著字串的長度的增加迅速增加. (*重複可以匹配0,1,2,3,4次, 並且除了0外每種情況+都有不同次數的匹配對應)。 當模式的剩餘部分導致整個匹配失敗的時候， PCRE原則上回嘗試每種可能的變化， 這將會非常耗時。

對於一些簡單的情況的最佳化是像 (a+)*b 這樣緊接著使用原文字串.。 在著手正式匹配工作之前，PCRE 檢查目標字串後面是否有 ”b” 字元， 如果沒有就立即失敗。然而當緊接著沒有原文字元的時候這個最佳化是停用。 你可以比較觀察 (a+)*\d 和上面模式的行為差異。 前者在應用到整行的 ”a” 組成的字串時幾乎是立即報告失敗， 而後者在目標字串長於 20 個字元時，時間消耗就相當可觀。

