regexp中的回溯比预期的要快

Question

根据perlre的说法，执行以下代码需要几秒钟的时间:

$ time perl -E '$_="((()" . ("a") x 18;  say "ok" if m{ (([^()]+|( [^()]* ))+)}x;'
real    0m0.006s
user    0m0.000s
sys 0m0.005s

文档说:

考虑上面的模式如何检测no-match on((()aaaaaaaaaaaaaaaaaa在几秒钟内，但每额外这次字母翻倍了。

如所见，在我的笔记本电脑上只需要几分之一秒。即使运行100万个a也可以在半秒内完成:

$ time perl -E '$_="((()" . ("a") x 1000000;  say "ok" if m{ (([^()]+|( [^()]* ))+)}x;'
real    0m0.454s
user    0m0.446s
sys 0m0.008s

我在这里错过了什么?

Answer 1

要弄清楚正则表达式引擎在做什么，你可以做的一个技巧是:

use re 'debug'; 

例如:

use strict;
use warnings;
use re 'debug'; 
my $str = "a" x 18;
$str =~ m{ (([^()]+|( [^()]* ))+)}x;

这将打印出regex引擎实际在做什么:

Compiling REx " (([^()]+|( [^()]* ))+)"
Final program:
   1: EXACT <(> (3)
   3: CURLYX[0] {1,32767} (40)
   5:   OPEN1 (7)
   7:     BRANCH (20)
   8:       PLUS (37)
   9:         ANYOF[^()][{above_bitmap_all}] (0)
  20:     BRANCH (FAIL)
  21:       EXACT <(> (23)
  23:       STAR (35)
  24:         ANYOF[^()][{above_bitmap_all}] (0)
  35:       EXACT <)> (37)
  37:   CLOSE1 (39)
  39: WHILEM[1/3] (0)
  40: NOTHING (41)
  41: EXACT <)> (43)
  43: END (0)
anchored "(" at 0 floating ")" at 2..2147483647 (checking floating) minlen 3 
Matching REx " (([^()]+|( [^()]* ))+)" against "aaaaaaaaaaaaaaaaaa"
Intuit: trying to determine minimum start position...
  doing 'check' fbm scan, [2..18] gave -1
  Did not find floating substr ")"...
Match rejected by optimizer
Freeing REx: " (([^()]+|( [^()]* ))+)"

如果你把括号加回去，你会得到一个不同的结果——我大约需要2000步来处理正则表达式。每增加一个字母，这个步骤就会变长——大约300步。

所以我会说是的-灾难性的回溯正在发生，但你可能会发现处理器(和正则表达式引擎优化)意味着时间大大缩短。

use strict;
use warnings;
use re 'debug'; 
my $str = "((()"."a" x 100_000;
$str =~ m{ (([^()]+|( [^()]* ))+)}x;

运行时间相当长，但至少有一部分原因是将文本打印到屏幕上实际上相当"昂贵"。

我的测试表明("a"的数量)

10 : 1221 lines of output (broadly correlated with regex steps)
11 : 1324 (+103)
12 : 1467 (+143)
13 : 1590 (+129)
14 : 1728 (+138)
15 : 1852 (+124)
20 : 2630 (approx +155/extra)
30 : 4536 (+190/extra)
40 : 6940 (+240/extra)
50 : 9846 (+290/extra)
100 - 31,846 (+440/extra letter)

所以当然看起来像指数行为-但在两种情况下，处理时间仍然相当快，我认为这是更快的cpu(也许更好的优化正则表达式引擎)

Answer 2

考虑上面的模式如何在几秒钟内检测到((()aaaaaaaaaaaaaaaaaa上的不匹配。

这句话至少可以追溯到2001年4月，当时perl 5.6.1刚刚发布。您可以在search.cpan.org/~gsar/perl-5.6.1/pod/perlre.pod上看到该版本的perlre手册页。

这可能是在编写软件文档时需要吸取的教训。要小心你写的东西，因为即使经过多年的改进和别人的多次修改，你写出来的东西也不会改变。