C＋中三種正則表達式比較

工作需要用到C++中的正則表達式，有比較才有傷害！看看哪種傷害更大吧！

1、C regex

/* write by xingming * time:2012年10月19日15:51:53 * for: test regex * */

#include

#include

#include

#include

#include

#include

using namespace std;

const int times = 1000000;

int main(int argc,char** argv) {

char pattern[512]="finance.sina.cn|stock1.sina.cn|3g.sina.com.cn.*(channel=finance|_finance$|ch=stock|/stock/)|dp.sina.cn/.*ch=9&";

const size_t nmatch = 10;

regmatch_t pm[10];

int z ;

regex_t reg;

char lbuf[256]="set",rbuf[256];

char buf[3][256] = {"finance.sina.cn/google.com/baidu.com.google.sina.cndddddddddddddddddddddda.sdfasdfeoasdfnahsfonadsdf",

"3g.com.sina.cn.google.com.dddddddddddddddddddddddddddddddddddddddddddddddddddddbaidu.com.sina.egooooooooo",

"http://3g.sina.com.cn/google.baiduchannel=financegogo.sjdfaposif;lasdjf.asdofjas;dfjaiel.sdfaosidfj"};

printf("input strings:
");

timeval end,start;

gettimeofday(&start,NULL);

regcomp(?,pattern,REG_EXTENDED|REG_NOSUB);

for(int i = 0 ; i < times; ++i)

{

for(int j = 0 ; j < 3; ++j)

{

z = regexec(?,buf[j],nmatch,pm,REG_NOTBOL);

/* if(z==REG_NOMATCH) printf("no match
"); else printf("ok
"); */

}

}

gettimeofday(&end,NULL);

uint time = (end.tv_sec-start.tv_sec)*1000000 + end.tv_usec - start.tv_usec;

cout

return 0 ;

}

使用正則表達式可簡單的分成幾步：

1.編譯正則表達式

2.執行匹配

3.釋放內存

首先，編譯正則表達式

int regcomp(regex_t *preg, const char *regex, int cflags);

reqcomp()函數用於把正則表達式編譯成某種格式，可以使後面的匹配更有效。

preg： regex_t結構體用於存放編譯後的正則表達式；

regex： 指向正則表達式指針；

cflags：編譯模式

共有如下四種編譯模式：

REG_EXTENDED：使用功能更強大的擴展正則表達式

REG_ICASE：忽略大小寫

REG_NOSUB：不用存儲匹配後的結果

REG_NEWLINE：識別換行符，這樣『$』就可以從行尾開始匹配，『^』就可以從行的開頭開始匹配。否則忽略換行符，把整個文本串當做一個字元串處理。

其次，執行匹配

int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags);

preg： 已編譯的正則表達式指針；

string：目標字元串；

nmatch:pmatch數組的長度；

pmatch：結構體數組，存放匹配文本串的位置信息；

eflags：匹配模式

共兩種匹配模式：

REG_NOTBOL：The match-beginning-of-line operator always fails to match (but see the compilation flag REG_NEWLINE above). This flag may be used when different portions of a string are passed to regexec and the beginning of the string should not be interpreted as the beginning of the line.

REG_NOTEOL:The match-end-of-line operator always fails to match (but see the compilation flag REG_NEWLINE above)

最後，釋放內存

void regfree(regex_t *preg);

當使用完編譯好的正則表達式後，或者需要重新編譯其他正則表達式時，一定要使用這個函數清空該變數。

其他，處理錯誤

size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);

當執行regcomp 或者regexec 產生錯誤的時候，就可以調用這個函數而返回一個包含錯誤信息的字元串。

errcode： 由regcomp 和 regexec 函數返回的錯誤代號。

preg： 已經用regcomp函數編譯好的正則表達式，這個值可以為NULL。

errbuf： 指向用來存放錯誤信息的字元串的內存空間。

errbuf_size： 指明buffer的長度，如果這個錯誤信息的長度大於這個值，則regerror 函數會自動截斷超出的字元串，但他仍然會返回完整的字元串的長度。所以我們可以用如下的方法先得到錯誤字元串的長度。

當然我在測試的時候用到的也比較簡單，所以就直接用了，速度一會再說！

2、C++ regex

/* write by xingming * time:2012年10月19日15:51:53 * for: test regex * */

#include

#include

#include

#include

using namespace std;

int main(int argc,char** argv) {

regex pattern("[[:digit:]]",regex_constants::extended);

printf("input strings:
");

string buf;

while(cin>>buf)

{

printf("*******
%s
********
",buf.c_str());

if(buf == "quit")

{

printf("quit just now!
");

break;

}

match_results result;

printf("run compare now! %s
", buf.c_str());

bool valid = regex_match(buf,result,pattern);

printf("compare over now! %s
", buf.c_str());

if(!valid)

printf("no match!
");

else

printf("ok
");

}

return 0 ;

}

C++這個真心不想多說它，測試過程中發現 字元匹配的時候 『a』 是可以匹配的，a+也是可以的，[[:w:]]也可以匹配任意字元，但[[:w:]]+就只能匹配一個字元，+號貌似不起作用了。所以後來就乾脆放棄了這偉大的C++正則，如果有大牛知道這裡面我錯在哪裡了，真心感謝你告訴我一下，謝謝。

3、boost regex

/* write by xingming

* for:test boost regex

* time:2012年10月23日11:35:33

* */ #include #include #include

#include "boost/regex.hpp"

using namespace std;

using namespace boost;

const int times = 10000000;

int main()

{

regex pattern("finance\.sina\.cn|stock1\.sina\.cn|3g\.sina\.com\.cn.*(channel=finance|_finance$|ch=stock|/stock/)|dp\.s ina\.cn/.*ch=9&");

cout

timeval start,end;

gettimeofday(&start,NULL);

string input[] = {"finance.sina.cn/google.com/baidu.com.google.sina.cn",

"3g.com.sina.cn.google.com.baidu.com.sina.egooooooooo",

"http://3g.sina.com.cn/google.baiduchannel=financegogo"};

for(int i = 0 ;i < times; ++ i)

{

for(int j = 0 ; j < 3;++j)

{

//if(input=="quit")

// break;

//cout

cmatch what;

if(regex_search(input[j].c_str(),what,pattern)) ;

// cout

else ;

// cout

}

}

gettimeofday(&end,NULL);

uint time = (end.tv_sec-start.tv_sec)*1000000 + end.tv_usec - start.tv_usec;

cout

return 0 ;

}

boost正則不用多說了，要是出去問，C++正則怎麼用啊？那90%的人會推薦你用boost正則，他實現起來方便，正則庫也很強大，資料可以找到很多，所以我也不在闡述了。

4、對比情況

總結

C regex的速度讓我吃驚啊，相比boost的速度，C regex的速度幾乎要快上3倍，看來正則引擎的選取上應該有著落了！

上面的表格中我用到的正則和字元串是一樣的（在代碼中C regex的被我加長了），速度相差幾乎有3倍，C的速度大約在30+w/s , 而boost的速度基本在15-w/s ,所以對比就出來了！

在這裡Cregex的速度很讓我吃驚了已經，但隨後我的測試更讓我吃驚。

我以前在.net正則方面接觸的比較多，就寫了一個.net版本的作為對比

using System;

using System.Collections.Generic;

using System.Linq;

using System.Text;

using System.Text.RegularExpressions;

namespace 平常測試

{

class Program

{

static int times = 1000000;

static void Main(string[] args) {

Regex reg = new Regex(@"(?>finance.sina.cn|stock1.sina.cn|3g.sina.com.cn.*(?:channel=finance|_finance$|ch=stock|/stock/)|dp.sina.cn/.*ch=9&)",RegexOptions.Compiled);

string[] str = new string[]{@"finance.sina.cn/google.com/baidu.com.google.sina.cn",

@"3g.com.sina.cn.google.com.baidu.com.sina.egooooooooo",

@"http://3g.sina.com.cn/google.baiduchannel=financegogo"};

int tt = 0;

DateTime start = DateTime.Now;

for (int i = 0; i < times; ++i)

{

for (int j = 0; j < 3; ++j)

{

if (reg.IsMatch(str[j])) ;

//Console.WriteLine("OK!");

//else

//Console.WriteLine("Error!");

}

}

DateTime end = DateTime.Now;

Console.WriteLine((end - start).TotalMilliseconds);

Console.WriteLine(tt);

Console.ReadKey();

}

}

}

結果發現，正則在不進行RegexOptions.Compiled 的時候，速度和C regex的基本一樣，在編譯只會，速度會比C regex快上一倍，這不由得讓我對微軟的那群人的敬畏之情油然而生啊。

但隨後我去查看了一下該博客上面C regex的描述，發現我可以再申明正則的時候加入編譯模式，隨後我加入了上面代碼里的 REG_NOSUB（在先前測試的時候是沒有加入的），結果讓我心理面很激動的速度出來了，C regex 匹配速度竟然達到了 300+w/s，也就是比原來的（不加入REG_NOSUB)的代碼快了將近10倍。

之後我變換了匹配的字元串，將其長度生了一倍，達到每個100字元左右（代碼裡面所示），匹配速度就下來了，但是也能達到 100w/s左右，這肯定滿足我們現在的需求了。

結果很顯然，當然會選擇C regex了。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！