C++ 与其他跨平台regexp库相比，Oniguruma有多好？

我们正试图摆脱boost:：regex，它的性能非常糟糕。 根据benchmark，总体上是最好的

我们有多个regexp（并且总是不断变化），我们将其应用于从中等（100个字符）到巨大（1k个字符）的字符串。。。所以这是一个非常异质的环境

你们中有人成功地使用过它吗？您是否建议使用更“标准”的PCRE或RE2

---

谢谢

这两种实现（FSA和BT）具有完全不同的行为，您可以在右侧栏（电子邮件）中看到

oniguruma通常速度很快，但如果您使用某个特定的regexp“运气不好”，则可能运行缓慢。这是因为它是一种回溯算法

相比之下，虽然re2通常稍慢一些，但它没有同样的风险——它的时间永远不会以同样的方式爆炸（它没有最坏情况下的指数行为）

所以这取决于细节。如果您确信您的regexp将是安全的，或者愿意检测并中止慢速匹配，oniguruma是有意义的。但就我个人而言，我倾向于为re2的安全性多付一点（不是更多）

有关这方面的更多信息，请参见（re2作者）

---

[*]好吧，也许永远都不会太坚强。对于某些regexp，我认为在某些情况下，它必须采用BT方法（可能涉及匹配以前的匹配和前瞻）。但是在大多数正则表达式上它仍然更安全。

我已经用以下库做了一个基准测试：

• 促进
• re2
• 大牛沼

基准测试包括执行一系列测试，这些测试在非常异构的regexp上大量使用regexp（分组、非分组、长regexp（484个字符）、短regexp、管道、\？、*，，等等）。应用于从几个字符到大约8k字符的文本

每次计算regexp匹配时，我都会存储regexp并增加一个毫秒计数器，以累积计算regexp所花费的时间（称为多次）

以下是每个库在所有regexp上花费的总时间：

• 升压：98840毫秒
• re2:51197毫秒
• Oniguruma:16095毫秒
• re2（无CAPUTRE*见下文））：16162 ms

*我们（几乎）总是想在regexp中捕获组的内容，而re2在捕获组（）时执行的非常糟糕。您在上面的结果中看不到太多，因为当无法捕获组时，它会表现良好。例如，在这个regexp上（执行了很多次）：

^（（？：https？：/）？（？：[a-z0-9\-]{1,63}）+（？：[a-z0-9\-]{1,63}））（？：[^\？]*）.$

以下是每个LIB的结果：

• 升压：140毫秒
• re2:5663毫秒
• Oniguruma:53毫秒
• re2（无捕获）：37毫秒

见re2从5663 ms下降到37 ms

tl；博士 所以我的结论是，对于我们的使用，Oniguruma显然是优越的

---

但是，如果您不需要捕获组，那么re2是一个更好的选择，因为我发现它的API更易于使用。

评测、评测、评测。。。如果是任务关键型的，您应该花时间测试不同的库，以找到最适合您的库，当然，在评测的同时。我们一直在做这件事，我将尝试在这里发布基准测试的结果。您是否重用了相同的正则表达式（即使用某种形式的正则表达式预编译）？还有，你有到基准的链接吗？嘿，对不起，这是两年前，我没有用于基准的文件了（或者更确切地说，我不知道它们在哪里^^）。我应该更好地记录这一点，因为我想你使用图书馆的方式会对性能产生巨大影响。。下次会做得更好！感谢您的更新-这有点遥不可及：-）