আমি কোন উত্তর যেখানে কেউ ব্যবহার করেছিল একটি মন্তব্যে গতকাল [0123456789]একটি রেগুলার এক্সপ্রেশন পরিবর্তে [0-9]বা \d। আমি বলেছিলাম একটি অক্ষরের সেটের চেয়ে পরিসর বা অঙ্ক নির্দিষ্টকরণ ব্যবহার করা সম্ভবত আরও দক্ষ।
আমি আজ এটি পরীক্ষা করার সিদ্ধান্ত নিয়েছি এবং আমার অবাক করে দিয়েছি যে (সি # রেজেক্স ইঞ্জিনে কমপক্ষে) \dঅন্য দুটির চেয়ে কম দক্ষ বলে মনে হচ্ছে যা খুব বেশি আলাদা বলে মনে হচ্ছে না। এখানে আমার পরীক্ষার আউটপুটটি 10000 এর বেশি এলোমেলো স্ট্রিং এর 1000 এলোমেলো অক্ষরের সাথে রয়েছে যেখানে 5077 আসলে একটি সংখ্যক থাকে:
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 firstএটি দুটি কারণে আমার কাছে অবাক।
- আমি ভাবতাম সেটটির চেয়ে পরিসরটি আরও কার্যকরভাবে প্রয়োগ করা হবে।
- এর
\dচেয়ে খারাপ কেন বুঝতে পারছি না[0-9]।\dশর্টহ্যান্ডের চেয়ে আরও কি কিছু আছে[0-9]?
পরীক্ষার কোডটি এখানে:
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;
}
}
}
সম্পর্কিত: stackoverflow.com/a/6479605/674039
—
উইম
এটি স্পষ্টতই একটি আকর্ষণীয় প্রশ্ন কারণ
—
রায় তোয়াল
\dবিভিন্ন ভাষায় একই জিনিসটি বোঝায় না। জাভাতে, উদাহরণস্বরূপ \dকেবল 0-9 এর সাথে মেলে
@ বারমার হিব্রু সাধারণত অঙ্কের জন্য অক্ষর ব্যবহার করে না, একই লাতিন অঙ্কের সংখ্যা [0-9]। চিঠিগুলি অঙ্কের পরিবর্তে প্রতিস্থাপন করা যেতে পারে তবে এটি বিরল ব্যবহার এবং বিশেষ শর্তাদির জন্য সংরক্ষিত। আমি কোনও রেজেক্স পার্সারকে כ"ג יורדי סירה (כ"ג 23 এর পরিবর্তে বিকল্প হিসাবে) মিলবে বলে আশা করব না । এছাড়াও, সিনা ইরাভানিয়ানের উত্তরে যেমন দেখা যায়, হিব্রু বর্ণগুলি \ d এর জন্য বৈধ ম্যাচ হিসাবে উপস্থিত হয় না।
—
ইয়ুভাল অ্যাডাম
ওয়েস্টনের কোড জাভাতে পোর্টিং: - রেজেক্স \ d সময় নিয়েছিল 00: 00: 00.043922 ফলাফল: 4912/10000 - রেজেক্স [0-9] নিয়েছে 00: 00: 00.073658 ফলাফল: 4912/10000 167% প্রথম - রেজেক্স [ প্রথম 4912/10000 195%: 00: 0123456789] 00 নেন 00.085799 ফলাফলের
—
lunchbox
\dলোকাল নিয়ে কাজ করে। উদাহরণস্বরূপ হিব্রু অঙ্কের জন্য অক্ষর ব্যবহার করে।