正则表达式的效率与优化

不同语言中有不同实现和限制，因此下面一些原则只是最基本的原则，不保证在所有实现中通用。有时候，有一种实现会对预知的情况进行优化，而另一种则不会。也就是说，正则表达式的效率不仅和正则引擎的种类相关，还和引擎具体实现有关。

1、使用字符组代替分支条件。

比如，使用[a-d]表示a~d之间的字母，而不是使用（a|b|c|d）。

2、优先选择最左端的匹配结果。

这在介绍分支条件匹配邮编的时候已经提到过。对于传统型NFA引擎来说，这样改动对正则匹配的效果是有利的，因为引擎一旦找到匹配结果就会停下来，而不会去尝试正则表达式的每一种可能（PHP中的preg函数就属于传统型NFA引擎）。

3、标准量词是匹配优先的。

若用量词约束某个表达式，那么在匹配成功前，进行的尝试次数有下限和上限。

4、谨慎用点元符号，尽可能不用星号和加好这样的任意量词。

只要能确定范围（例如“\w”），就不要用点号；只要能够预测重复次数，就不要用任意量词。

5、尽量使用字符串函数处理代替。

使用字符串函数和正则表达式都可以处理字符串，两者相比，字符串函数处理的效率更高。当然，有些情况几乎是非正则表达式不能胜任的，或者不用正则表达式的成本太高，这些情况不得不用正则表达式，既然如此，就应该设计好。

6、合理使用括号。

每使用一个普通括号（），而不是非捕获型括号（？：...），就会保留一部分内存等着再次访问。这样的正则表达式、无限次的运行次数，无异于一根根稻草的堆加，终将把骆驼压死。

7、起始、行描点优化。

能 确定起始位置，使用^能提高匹配的速度。同理，使用$标记结尾，正则引擎则会从符合条件的长度处开始匹配，略过目标字符串中许多可能的字符。在写正则表达 式时，应该将描点独立出来，例如”^(?:abc|123)比^123|abc“效率高，而”^（abc)比（^abc）"效率更高。

这个原则不适用于所有正则引擎。比如在PCRE中，二者效率相当。

8、量词等价转换的效率差异。

例如在PHP中，使用“\d\d\d”和“\d{3}”，或者“====”和“={4}”，他们之间的效率几乎没有差别。但是换用其他语言可能就会有比较明显性能差异了。

9、对大而全的表达式进行拆分。
10、使用正则以外的解决方案。

前 面已经提到，在有的场合可以使用字符串来代替正则表达式，此外，还有其他方案可以代替正则表达式。例如，在某项目中需要分析PHP代码，分离出对应的函数 调用（以及源代码对应的位置）。虽然这是用正则表达式也可以使用，但无论从效率还是代码复杂度方面考虑，这都不是最优的方式。PHP已经内置解析器的接口 PHP Tokenizer。

使用PHPTokenizer能简单、高效、准确地分析出PHP源代码的组成。token_get_all函 数参数为一段PHP代码，可提取出这段代码里的常量、变量、类名、函数等。这在编写phpdoc、代码优化提速、自动加载类时都可以用到。比如，在解析 URL时没必要用正则表达式，使用parse_url函数即可；在获取HTTP头时，也可以使用get_headers函数。

这里总结几种正则表达式的取代方案，他们能部分取代正则表达式的实现。

PHP的字符串函数；

PHP的Tokenizer系列函数；

PHP的url函数及一些http函数；

PHP的filter系列函数；

JavaScript的DOM模型。

以上内容，摘自《PHP核心技术与最佳实践》——正则表达式相关章节，加深自己对正则表达式的理解与应用，在这里分享给大家。

由 PHP乐知博客 提供 http://tech.42xiu.com/php-regex.html