PHP—PCRE正则表达式性能

模式中一些项可能比其他一些更加高效。 比如使用 [aeiou] 这样的字符类会比可选路径 (a|e|i|o|u) 高效。 一般而言， 用尽可能简单的构造描述需求是最搞笑的。 Jeffrey Friedl 书(精通正则表达式)中包含了很多关于正则表达式性能的讨论。

当一个模式以 .* 开始并且设置了 PCRE_DOTALL 选项时，模式通过PCRE隐式锚定， 因为它可以匹配字符串的开始。然而，如果 PCRE_DOTALL 没有设置， PCRE 不能做这个优化，因为.元字符不能匹配换行符，如果目标字符串包含换行符， 模式可能会从一个换行符后面开始匹配，而不是最开始位置。 比如，模式 (.*) second 匹配目标字符串 ”first\nand second”(\n 是一个换行符)第一个捕获子组结果是 ”and”。为了这样做， PCRE 尝试从目标字符串中每个换行符后开始匹配。

如果你使用模式匹配没有换行符的目标字符串， 可以通过设置 PCRE_DOTALL 或以 ^.* 开始的模式明确指示锚定以获取最佳性能。 这样节省了 PCRE 沿目标字符串扫描查找换行符重新开始的时间。

小心模式中的无限重复嵌套。这在应用到不匹配字符串时可能会导致运行时间很长。 考虑模式片段 (a+)*。

这个模式可以有 33 种方式匹配 ”aaaa”， 并且这个数字会随着字符串的长度的增加迅速增加. (*重复可以匹配0,1,2,3,4次, 并且除了0外每种情况+都有不同次数的匹配对应)。 当模式的剩余部分导致整个匹配失败的时候， PCRE原则上回尝试每种可能的变化， 这将会非常耗时。

对于一些简单的情况的优化是像 (a+)*b 这样紧接着使用原文字符串.。 在着手正式匹配工作之前，PCRE 检查目标字符串后面是否有 ”b” 字符， 如果没有就立即失败。然而当紧接着没有原文字符的时候这个优化是不可用的。 你可以比较观察 (a+)*\d 和上面模式的行为差异。 前者在应用到整行的 ”a” 组成的字符串时几乎是立即报告失败， 而后者在目标字符串长于 20 个字符时，时间消耗就相当可观。