J'ai fait un commentaire hier sur une réponse où quelqu'un avait utilisé [0123456789]
une expression régulière plutôt que [0-9]
ou \d
. J'ai dit qu'il était probablement plus efficace d'utiliser un spécificateur de plage ou de chiffres qu'un jeu de caractères.
J'ai décidé de tester cela aujourd'hui et j'ai découvert à ma grande surprise que (dans le moteur C # regex au moins) \d
semble être moins efficace que les deux autres qui ne semblent pas différer beaucoup. Voici ma sortie de test sur 10000 chaînes aléatoires de 1000 caractères aléatoires dont 5077 contenant en fait un chiffre:
Regular expression \d took 00:00:00.2141226 result: 5077/10000
Regular expression [0-9] took 00:00:00.1357972 result: 5077/10000 63.42 % of first
Regular expression [0123456789] took 00:00:00.1388997 result: 5077/10000 64.87 % of first
C'est une surprise pour moi pour deux raisons:
- J'aurais pensé que la gamme serait implémentée beaucoup plus efficacement que l'ensemble.
- Je ne comprends pas pourquoi
\d
est pire que[0-9]
. Y a-t-il plus\d
qu'un simple raccourci pour[0-9]
?
Voici le code de test:
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Diagnostics;
using System.Text.RegularExpressions;
namespace SO_RegexPerformance
{
class Program
{
static void Main(string[] args)
{
var rand = new Random(1234);
var strings = new List<string>();
//10K random strings
for (var i = 0; i < 10000; i++)
{
//Generate random string
var sb = new StringBuilder();
for (var c = 0; c < 1000; c++)
{
//Add a-z randomly
sb.Append((char)('a' + rand.Next(26)));
}
//In roughly 50% of them, put a digit
if (rand.Next(2) == 0)
{
//Replace one character with a digit, 0-9
sb[rand.Next(sb.Length)] = (char)('0' + rand.Next(10));
}
strings.Add(sb.ToString());
}
var baseTime = testPerfomance(strings, @"\d");
Console.WriteLine();
var testTime = testPerfomance(strings, "[0-9]");
Console.WriteLine(" {0:P2} of first", testTime.TotalMilliseconds / baseTime.TotalMilliseconds);
testTime = testPerfomance(strings, "[0123456789]");
Console.WriteLine(" {0:P2} of first", testTime.TotalMilliseconds / baseTime.TotalMilliseconds);
}
private static TimeSpan testPerfomance(List<string> strings, string regex)
{
var sw = new Stopwatch();
int successes = 0;
var rex = new Regex(regex);
sw.Start();
foreach (var str in strings)
{
if (rex.Match(str).Success)
{
successes++;
}
}
sw.Stop();
Console.Write("Regex {0,-12} took {1} result: {2}/{3}", regex, sw.Elapsed, successes, strings.Count);
return sw.Elapsed;
}
}
}
\d
qu'elle ne signifie pas la même chose dans différentes langues. En Java, par exemple, \d
ne correspond en effet qu'à 0-9
\d
traite des paramètres régionaux. Par exemple, l'hébreu utilise des lettres pour les chiffres.