在嘗試使Java在計(jì)算機(jī)語(yǔ)言基準(zhǔn)測(cè)試游戲的regexdna挑戰(zhàn)中排名第一時(shí)，我正在研究Java正則表達(dá)式庫(kù)的性能。 我可以找到的最新網(wǎng)站是2010年的tusker.org 。因此，我決定使用Java Microbenchmarking Harness重做測(cè)試并發(fā)布結(jié)果（破壞性警告：某些非傳統(tǒng)的解決方案使Java排名第一）。

TL; DR ：正則表達(dá)式非常適合臨時(shí)查詢，但是如果您對(duì)性能敏感，則應(yīng)手動(dòng)編寫解決方案代碼（這并不意味著您必須從絕對(duì)零開始–例如，Google Guava庫(kù)包含一些不錯(cuò)的實(shí)用程序 ，可以幫助編寫可讀性強(qiáng)的代碼。

現(xiàn)在，對(duì)于一些總結(jié)性能的圖表–該測(cè)試是在帶有OpenJDK 1.8.0_66的64位Ubuntu 15.10計(jì)算機(jī)上運(yùn)行的：

觀察結(jié)果

• 正則表達(dá)式?jīng)]有“標(biāo)準(zhǔn)”，因此當(dāng)給定特定的正則表達(dá)式和特定的字符串以進(jìn)行匹配時(shí)，不同的庫(kù)可能會(huì)有不同的行為-即。 一個(gè)可能會(huì)說(shuō)它匹配，但另一個(gè)可能會(huì)說(shuō)它不匹配。 例如，即使我使用了一組減少的測(cè)試用例（針對(duì)6個(gè)字符串檢查了5個(gè)正則表達(dá)式），也只有兩個(gè)庫(kù)設(shè)法正確地匹配/不正確地匹配它們（其中一個(gè)是java.util.Pattern）。
• 要使您的正則表達(dá)式正確，可能需要不止一次的嘗試（例如regexpal或Regex Coach之類的工具對(duì)于實(shí)驗(yàn)非常有用）
• 正則表達(dá)式的性能很難預(yù)測(cè)（有時(shí)它可能會(huì)基于輸入長(zhǎng)度而呈指數(shù)復(fù)雜性 ）–因此，如果您接受Internet上任意用戶的正則表達(dá)式（例如搜索引擎，例如允許使用正則表達(dá)式進(jìn)行搜索）
• 似乎沒有一個(gè)庫(kù)正在積極開發(fā)中（事實(shí)上， tusker.org上原始列表中的許多庫(kù)現(xiàn)在不可用），而且其中許多庫(kù)都比內(nèi)置的juPattern慢 ，因此， 如果使用正則表達(dá)式，可能是首選。
• 這么說(shuō)，硬件以及兩者的性能JVM已經(jīng)相當(dāng)大，因此，如果您正在使用這些庫(kù)之一，它通常是運(yùn)行一個(gè)數(shù)量級(jí)的速度比它是在五年前。 因此，無(wú)需快速替換工作代碼（除非您的探查器說(shuō)這是個(gè)問題:-)）
• 注意循環(huán)中對(duì)String.split的調(diào)用。 盡管它針對(duì)特定情況（例如一字符正則表達(dá)式）進(jìn)行了一些優(yōu)化，但您幾乎應(yīng)該始終：
  • 看看是否可以使用Google Guava的Splitter之類的工具
• 這兩個(gè)驚喜是dk.brics.automaton ，它的表現(xiàn)比其他所有產(chǎn)品都要好幾個(gè)數(shù)量級(jí)，但是：
  • 最新版本是2011年，似乎是一個(gè)學(xué)術(shù)項(xiàng)目
• 另一個(gè)驚喜是kmy.regex.util.Regex ，盡管自2000年以來(lái)未進(jìn)行更新，但它的性能優(yōu)于java.util.Pattern，并且通過(guò)了所有測(cè)試（當(dāng)然并沒有很多測(cè)試）。

使用的庫(kù)的完整列表：

庫(kù)名稱和版本（發(fā)布年份） 在Maven Central中可用 執(zhí)照 平均操作/秒 平均操作/秒（大文本） 通過(guò)測(cè)試

j.util.Pattern 1.8（2015）	否（JRE附帶）	JRE許可證	19689	22144	5之5
dk.brics.automaton.Automaton 1.11-8（2011）	是	BSD	2 600 225	115374276	5分之2
org.apache.regexp 1.4（2005）	是	阿帕奇（？）	6738	16895	5之4
com.stevesoft.pat.Regex 1.5.3（2009）	是	LGPL v3	4191	859	5之4
net.sourceforge.jregex 1.2_01（2002）	是	BSD	57811	3573	5之4
kmy.regex.util.Regex 0.1.2（2000）	沒有	藝術(shù)許可	217803	38184	5之5
org.apache.oro.text.regex.Perl5Matcher 2.0.8（2003）	是	阿帕奇2.0	31906	2383	5之4
gnu.regexp.RE 1.1.4（2005？）	是	GPL（？）	11848	1509	5之4
com.basistech.tclre.RePattern 0.13.6（2015）	是	阿帕奇2.0	11598	43	5之3
com.karneim.util.collection.regex.Pattern 1.1.1（2005？）	是	？	–	–	5分之2
org.apache.xerces.impl.xpath.regex.RegularExpression 2.11.0（2014）	是	阿帕奇2.0	–	–	5之4
com.ibm.regex.RegularExpression 1.0.2（不再可用）	沒有	？	–	–	–
RegularExpression.RE 1.1（不再可用）	沒有	？	–	–	–
gnu.rex.Rex嗎？ （不再可用）	沒有	？	–	–	–
monq.jfa.Regexp 1.1.1（不再可用）	沒有	？	–	–	–
com.ibm.icu.text.UnicodeSet（ICU4J） 56.1（2015）	是	ICU許可證	–	–	–

如果要重新運(yùn)行測(cè)試，請(qǐng)簽出源代碼并按以下方式運(yùn)行它：

# we need to skip tests since almost all libraries fail a test or an other mvn -Dmaven.test.skip=true clean package # run the benchmarks java -cp lib/jint.jar:target/benchmarks.jar net.greypanther.javaadvent.regex.RegexBenchmarks

最后， 計(jì)算機(jī)語(yǔ)言基準(zhǔn)游戲的regexdna挑戰(zhàn)如何？ 我通過(guò)使用位操作檢查8字節(jié)的塊（如果它們可能匹配），從而使Java達(dá)到了＃1的水平，然后僅對(duì)正則表達(dá)式進(jìn)行了測(cè)試。 如前所述：如果要提高性能，則需要編寫自定義解析器。

翻譯自: https://www.javacodegeeks.com/2015/12/java-regular-expression-library-benchmarks-2015.html

總結(jié)

以上是生活随笔為你收集整理的Java正则表达式库基准测试– 2015年的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。