我在当前的嵌入式C++项目中广泛使用Xpressive。
据我所知,Xpressive是该堆栈的优秀用户。但是,是否存在更具堆栈效率的Xpressive正则表达式方法?
例如,匹配表示32位整数的字符串的正则表达式可能需要测试数字6是否小于或等于6。
Xpressive(我知道还有其他正则表达式引擎)允许多种方法,例如:
range('0','6')
或
('0'|'1'|'2'|'3'|'4'|'5'|'6')
或
set['0'|'1'|'2'|'3'|'4'|'5'|'6']
然后正则表达式可以允许以下3个数字,例如:
repeat<3>(_d) >> _b
或
_d >> _d >> _d >> _b
但是,如果有选择,并且不太关心源代码布局,哪种方法最适合:
a) 堆栈;
b) 速度;
c) ?
排序和重复使用堆栈,因为它们需要回溯。让我们看看你的例子。
range('0','6')
这是作为一种快速检查来实现的,以查看字符是否在字符范围内。它不使用排序或重复,因此不会占用堆栈空间。
('0'|'1'|'2'|'3'|'4'|'5'|'6')
一般来说,不要把可以放在一组或一个范围内的东西放在一个替代品中。他们在这方面的效率要高得多。我会注意到,这显然不是一个有效的表达式正则表达式。你会把它写成:
(as_xpr('0')|'1'|'2'|'3'|'4'|'5'|'6')
我相信你知道。我会为这个做一个类似的编辑:
set[as_xpr('0')|'1'|'2'|'3'|'4'|'5'|'6']
布景很快。它们被实现为ascii范围的查找表,以及(对于Unicode)256以上字符代码的稀疏矢量。由于某些集合的稀疏性,该方案可能比简单范围占用更多的堆空间。但这不会影响匹配时使用的堆栈空间量。我注意到你也可以写为:
(set= '1','2','3','4','5','6')
现在重复:
repeat<3>(_d) >> _b
正如我之前所说,重复通常通过递归来实现,以获得正确的回溯。但在这种情况下,expression识别出_d
只能吃掉一个字符,并且它正被重复3次。因此,在这种有限的情况下,它是用一个循环来实现的,以节省堆栈空间。这与下一种情况形成对比:
_d >> _d >> _d >> _b
Xpressive不够聪明,不能像对待repeat<3>(_d)
一样对待_d >> _d >> _d
。因此,这将为每个_d
消耗单独的堆栈帧。
短版本:更喜欢可以使用的专用构造,而不是更通用的等价构造。这为expression提供了更多的优化上下文。
此外,了解独立的子表达式。如果你能在keep()
中放入一些东西,那就去吧。为什么?keep()
匹配一个子表达式,然后回收该子匹配所使用的堆栈空间。这使得不可能通过回溯到该子表达式来尝试不同的东西,但有时你不需要这样。
希望能有所帮助。