在 perl 中检查 $string 是不是以 $needle 开头的最有效方法

Posted 2023-02-22

【中文标题】在 perl 中检查 $string 是不是以 $needle 开头的最有效方法

【英文标题】：Most efficient way to check if $string starts with $needle in perl在 perl 中检查 $string 是否以 $needle 开头的最有效方法

【发布时间】：2015-10-21 20:29:33

【问题描述】：

给定perl 中的两个字符串变量$string 和$needle，检查$string 是否以$needle 开头的最有效方法是什么。

$string =~ /^\Q$needle\E/ 是我能想到的最接近的匹配项，但它是我尝试过的解决方案中效率最低的（到目前为止）。 index($string, $needle) == 0 工作并且对于 $string 和 $needle 的某些值相对有效，但在其他位置不必要地搜索针（如果在开始时没有找到）。 substr($string, 0, length($needle)) eq $needle 应该是相当简单和高效的，但在我的少数测试中，大部分都没有比上一个更高效。

在perl 中是否有一种我不知道的规范方法或任何优化上述解决方案的方法？

（在我的特定用例中，$string 和 $needle 在每次运行中都会有所不同，因此预编译正则表达式不是一种选择）。

---

如何衡量给定解决方案性能的示例（此处来自 POSIX sh）：

string='somewhat not so longish string' needle='somew'
time perl -e '
  ($n,$string,$needle) = @ARGV;
  for ($i=0;$i<$n;$i++) 

    index($string, $needle) == 0

  ' 10000000 "$string" "$needle"

有了这些值，index() 在这个带有 perl 5.14.2 的系统中的性能优于 substr()+eq，但是：

string="aaaaabaaaaabaaaaabaaaaabaaaaabaaaaab" needle="aaaaaa"

反过来了。

【问题讨论】：

不同版本的 Perl 会在这里产生影响，我建议添加您用于反馈或重用的基准代码。

@Ashley，好点，更新了。

也许你会写String::MoreUtils::XS？

您是否对脚本进行了分析以确认确实需要这种微优化？

仅供参考，您应该在任何时候使用 Benchmark module 在 Perl 中进行基准测试。 /usr/bin/time 不一定会给你一个公平的比较。

【参考方案1】：

rindex $string, $substring, 0

在$string 中搜索$substring 只有在$substring 是$string 的前缀时才有可能在 位置。示例：

> rindex "abc", "a", 0
0
> rindex "abc", "b", 0
-1

【讨论】：

非常感谢。这是我不知道并且正在寻找的功能。对于问题中的两个测试用例，我得到了相似的时间安排，并且比这两种方法中的任何其他方法都快。

【参考方案2】：

这真的很重要吗？我做了一些基准测试，index 方法平均每次迭代需要 0.68 微秒；正则表达式方法1.14μs； substr 方法 0.16μs。即使是我的最坏情况（2250 个字符的字符串相等），index 需要 2.4μs，正则表达式需要 5.7μs，substr 需要 0.5μs。

我的建议是编写一个库例程：

sub begins_with

    return substr($_[0], 0, length($_[1])) eq $_[1];

并将您的优化工作集中在其他地方。

更新：基于对上述“最坏情况”场景的批评，我使用随机生成的 20,000 个字符的字符串运行了一组新的基准测试，将其与自身和仅在最后一个不同的字符串进行比较字节。

对于这么长的字符串，正则表达式解决方案是迄今为止最差的（20,000 个字符的正则表达式是地狱）：匹配成功需要 105μs，匹配失败需要 100μs。

index 和 substr 解决方案仍然相当快。 index 是 11.83μs / 11.86μs 成功/失败，substr 是 4.09μs / 4.15μs。将代码移动到单独的函数中增加了大约 0.222±0.05μs。

基准代码位于：http://codepaste.net/2k1y8e

我不知道@Stephane 数据的特点，但我的建议是成立的。

【讨论】：

对于早期的perls，您可能想要omit the return statement。

不是没用的，@ikegami。我的基准案例中有一半是匹配的，一半是匹配失败的。

@SueD.Nymme：您发布的答案的措辞暗示您的最坏情况测试仅匹配字符串。显然，index 的最坏情况是一个极长的干草堆，任何地方都没有包含针头，因此它必须一直检查到最后。不过，我同意你的结论：只需使用substr，因为我们已经证明它在常见情况下并不慢。它应该有一个好多更好的最坏情况，这对于抵抗 DOS 攻击（或意外减速）很重要。

您可以尝试重现它们，而不是简单地忽略我的基准测试结果。

@PeterCordes，在字符串中找不到针的情况中，有些情况比其他情况更糟，例如问题中的最后一个示例，其中至少 111 个字节到字节的比较((6+5+4+3+2+1)*5+6) 需要长度为 34 的字符串和长度为 6 的针。（对于这个长度的字符串/针，它甚至可能是最坏的情况，这会在这里提出另一个有趣的问题）