C++中三种正则表达式比较

1、C+中三种正则表达式比较之后我变换了匹配的字符串，将其长度生了一倍，达到每个100字符左右（代码里面所示），匹配速度就下来了，但是也能达到 100w/s左右，这肯定满足我们现在的需求了。作者：pmars的博客来源：pmars的博客|2017-01-05 16:19 收藏  分享工作需要用到C+中的正则表达式，所以就研究了以上三种正则。1、C regex/* write by xingming * time:2012年10月19日15:51:53 * for: test regex * */#include <regex.h>#include <i

2、ostream>#include <sys/types.h>#include <stdio.h>#include <cstring>#include <sys/time.h>using namespace std;const int times = 1000000;int main(int argc,char* argv) char pattern512="||3.*(channel=finance|_finance$|ch=stock|/stoc

3、k/)| const size_t nmatch = 10; regmatch_t pm10; int z ; regex_t reg; char lbuf256="set",rbuf256; char buf3256 = " ".sina.egooooooooo", " printf("input strings:n"); timeval end,start; gettimeofday(&start,NULL); regcomp(&reg,pattern,REG_EXTENDED|REG_NOSU

4、B); for(int i = 0 ; i < times; +i) for(int j = 0 ; j < 3; +j) z = regexec(&reg,bufj,nmatch,pm,REG_NOTBOL);/* if(z=REG_NOMATCH) printf("no matchn"); else printf("okn"); */ gettimeofday(&end,NULL); uint time = (end.tv_sec-start.tv_sec)*1000000 + end.tv_usec - start.tv

5、_usec; cout<<time/1000000<<" s and "<<time%1000000<<" us."<<endl; return 0 ;使用正则表达式可简单的分成几步：· 1.编译正则表达式· 2.执行匹配· 3.释放内存首先，编译正则表达式int regcomp(regex_t *preg, const char *regex, int cflags);reqcomp()函数用于把正则表达式编译成某种格式，可以使后面的匹配更有效。preg： reg

6、ex_t结构体用于存放编译后的正则表达式；regex： 指向正则表达式指针；cflags：编译模式共有如下四种编译模式：REG_EXTENDED：使用功能更强大的扩展正则表达式REG_ICASE：忽略大小写REG_NOSUB：不用存储匹配后的结果REG_NEWLINE：识别换行符，这样$就可以从行尾开始匹配，就可以从行的开头开始匹配。否则忽略换行符，把整个文本串当做一个字符串处理。其次，执行匹配int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch, int eflags);pr

7、eg： 已编译的正则表达式指针；string：目标字符串；nmatch:pmatch数组的长度；pmatch：结构体数组，存放匹配文本串的位置信息；eflags：匹配模式共两种匹配模式：REG_NOTBOL：The match-beginning-of-line operator always fails to match  (but see  the  compilation  flag  REG_NEWLINE above). This flag may be used when different portions of a string

8、 are passed  to  regexec and the beginning of the string should not be interpreted as the beginning of the line.REG_NOTEOL:The match-end-of-line operator always fails to  match  (but  see the compilation flag REG_NEWLINE above)最后，释放内存void regfree(regex_t *preg);当使用完编译好的正则表达式

9、后，或者需要重新编译其他正则表达式时，一定要使用这个函数清空该变量。其他，处理错误size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);当执行regcomp 或者regexec 产生错误的时候，就可以调用这个函数而返回一个包含错误信息的字符串。errcode： 由regcomp 和 regexec 函数返回的错误代号。preg： 已经用regcomp函数编译好的正则表达式，这个值可以为NULL。errbuf： 指向用来存放错误信息的字符串的内存空间。errbuf_size： 指明b

10、uffer的长度，如果这个错误信息的长度大于这个值，则regerror 函数会自动截断超出的字符串，但他仍然会返回完整的字符串的长度。所以我们可以用如下的方法先得到错误字符串的长度。当然我在测试的时候用到的也比较简单，所以就直接用了，速度一会再说！2、C+ regex/* write by xingming * time:2012年10月19日15:51:53 * for: test regex * */#include <regex>#include <iostream>#include <stdio.h>#include <string>us

11、ing namespace std;int main(int argc,char* argv) regex pattern(":digit:",regex_constants:extended); printf("input strings:n"); string buf; while(cin>>buf) printf("*n%sn*n",buf.c_str(); if(buf = "quit") printf("quit just now!n"); break; match_res

12、ults<string:const_iterator> result; printf("run compare now! '%s'n", buf.c_str(); bool valid = regex_match(buf,result,pattern); printf("compare over now! '%s'n", buf.c_str(); if(!valid) printf("no match!n"); else printf("okn"); return 0 ;

13、C+这个真心不想多说它，测试过程中发现 字符匹配的时候 a 是可以匹配的，a+也是可以的，:w:也可以匹配任意字符，但:w:+就只能匹配一个字符，+号貌似不起作用了。所以后来就干脆放弃了这伟大的C+正则，如果有大牛知道这里面我错在哪里了，真心感谢你告诉我一下，谢谢。3、boost regex/* write by xingming * for:test boost regex * time:2012年10月23日11:35:33 * */ #include <iostream> #include <string> #include <sys/time.h

14、>#include "boost/regex.hpp"using namespace std;using namespace boost;const int times = 10000000;int main() regex pattern("||3.*(channel=finance|_finance$|ch=stock|/stock/)|dp.s /.*ch=9&"); cout<<"input strings:&quo

15、t;<<endl; timeval start,end; gettimeofday(&start,NULL); string input = " ".sina.egooooooooo", " for(int i = 0 ;i < times; + i) for(int j = 0 ; j < 3;+j) /if(input="quit") / break; /cout<<"string:'"<<input<<'''&

16、lt;<endl; cmatch what; if(regex_search(inputj.c_str(),what,pattern) ; / cout<<"OK!"<<endl; else ; / cout<<"error!"<<endl; gettimeofday(&end,NULL); uint time = (end.tv_sec-start.tv_sec)*1000000 + end.tv_usec - start.tv_usec; cout<<time/1000000&

17、lt;<" s and "<<time%1000000<<" us."<<endl; return 0 ;boost正则不用多说了，要是出去问，C+正则怎么用啊？那90%的人会推荐你用boost正则，他实现起来方便，正则库也很强大，资料可以找到很多，所以我也不在阐述了。4、对比情况总结：C regex的速度让我吃惊啊，相比boost的速度，C regex的速度几乎要快上3倍，看来正则引擎的选取上应该有着落了！上面的表格中我用到的正则和字符串是一样的（在代码中C regex的被我加长了），速度相差几乎有3倍，C的速

18、度大约在30+w/s , 而boost的速度基本在15-w/s ,所以对比就出来了！在这里Cregex的速度很让我吃惊了已经，但随后我的测试更让我吃惊。我以前在.net正则方面接触的比较多，就写了一个.net版本的作为对比using System;using System.Collections.Generic;using System.Linq;using System.Text;using System.Text.RegularExpressions;namespace 平常测试 class Program static int times = 1000000; static void M

19、ain(string args) Regex reg = new Regex("(?>||3.*(?:channel=finance|_finance$|ch=stock|/stock/)| string str = new string" ".sina.egooooooooo", " int tt = 0; DateTime start = DateTime.Now; for (int i = 0; i < times; +i) for (int j = 0; j < 3; +j) if (reg.IsMatch(strj) ; /Console.WriteLine("OK!")