我有一个很大的文件，看起来像这样(见下文)。我可以在它上使用正则表达式的两个基本选择(我知道可能还有其他选择，但我实际上是在尝试比较Greedy和Negated Char Class)方法。

ftp: [^\D]{1,}
ftp: (\d)+
ftp: \d+

注意：如果我取消\ d周围的保护，该怎么办？

现在+是贪婪的，它会强制回溯，但是Negated Char Class需要逐字符比较。哪个更有效？假设文件非常大，由于文件的长度，处理器使用中的细微差别将被夸大。

既然我们已经回答了，如果我的否定字符类很大，说18个不同的字符怎么办？那会改变你的答案吗？

谢谢。

ftp: 1117 bytes

      ftp: 5696 bytes

  ftp: 3207 bytes

    ftp: 5696 bytes

  ftp: 7200 bytes

解决方案

这不是问题的直接答案，但是既然我们已经知道行的格式，为什么不完全采用另一种方法呢？例如，我们可以在字段之间的空白处使用正则表达式，或者完全避免在空白处使用正则表达式和split()，这通常比任何正则表达式都要快，具体取决于我们使用的语言。

[^ \ D] {1，}和\ d +完全相同。正则表达式解析器会将[^ \ D]和\ d编译为具有相同内容的字符类，并且+只是{1，}的缩写。

如果我们想懒惰重复，可以添加一个？在最后。

\d+?

字符类通常被编译为ASCII字符的位图。对于Unicode(> = 256)，它取决于实现。一种方法是创建一个范围列表，并在其上使用二进制搜索。

对于ASCII，查找时间在整个大小上是恒定的。对于Unicode，它是对数或者线性的。

我的初始测试表明[^ \ D {1，}比\ d +慢一点，在184M文件上，前者需要9.6秒，而后者则需要8.2秒

不捕获(())，两者的速度都快约1秒，但是两者之间的差异大致相同。

我还进行了更广泛的测试，将捕获的值打印到/ dev / null，并在空间上拆分了第三个版本，结果：

([^\D]{1,}): ~18s
(\d+): ~17s
(split / /)[1]: ~17s

编辑：改进了拆分版本，减少了时间，使其等于或者小于(\ d +)

迄今为止最快的版本(有人可以改进吗？)：

while (<>)
{
    if ($foo = (split / /)[1])
    {
        print $foo . "\n";
    }
}

这是一个技巧性的问题，因为由于捕获括号的开销，(\ d)+花费的时间稍长一些。如果将其更改为\ d +，则它们在我的perl /系统中花费的时间相同。

是的，我同意MizardX ...这两个表达式在语义上是等效的。尽管分组可能需要其他资源。那不是你要问的。

两个表情都具有相同的贪婪感。正如其他人在这里所说的，除了捕获组，它们将以相同的方式执行。

同样在这种情况下，贪婪对执行速度没有多大影响，因为\ d *之后没有任何内容。在这种情况下，表达式将只处理它可以找到的所有数字，并在遇到空格时停止。这些表达式不应发生回溯。

为了使它更明确，如果我们具有这样的表达式，则应进行回溯：

\d*123

在这种情况下，解析器将吞没所有数字，然后回溯以匹配后面的三个数字。