Question

我需要搜索违反“我们的数据中不使用社会安全号码”规则的人，并且需要知道以下两行之间是否存在性能差异（以及原因）。

感谢。

[0-9]{3}-[0-9]{2}-[0-9]{4}

VS

\d\d\d-\d\d-\d\d\d\d

请求的细节：
引擎：被删除以阻止标记混淆

Answer 1

我认为你会发现性能差异微不足道。使用第一个，因为它一目了然更容易阅读。编译正则表达式后（如果您在将其用于重用之前进行编译），无论如何都无关紧要。

在需要进行优化之前，请勿进行优化。

Answer 2

除了性能之外，我最近发现\ d和[0-9]不完全相同，因为there are more than just 10 digits。因此，第二版可能会产生更多的误报。

Answer 3

性能差异（如果有的话）绝对可以忽略不计。您可能会优化应用程序的错误部分。

Answer 4

性能差异应该可以忽略不计。在一个不相关的说明中，如果您正在处理的数据与我看到的内容类似，那么通过使破折号可选来扩展搜索可能很有用：

\b\d{3}-?\d{2}-?\d{4}\b

更新：好点，耿。字边界技巧非常有用，所以我肯定会在第一遍中包含它。

Answer 5

与任何性能问题一样，答案是使用您自己的数据对其进行基准测试并找出答案。将结果与一些样本数据一起发布，因为这是一个很好的问题。

Answer 6

这个Ruby脚本说第一个稍慢，但我认为任何引擎上的差异都可以忽略不计。

require 'benchmark'
include Benchmark

def random_ssn
  format "%03d-%02d-%04d", rand(1000), rand(100), rand(10000)
end

bm do |x|
  x.report("range") { 100_000.times { /[0-9]{3}-[0-9]{2}-[0-9]{4}/ =~ random_ssn } }
  x.report("digit") { 100_000.times { /\d\d\d-\d\d-\d\d\d\d/       =~ random_ssn } }
end

结果：

      user     system      total        real
range  1.080000   0.030000   1.110000 (  1.245579)
digit  0.980000   0.030000   1.010000 (  1.149390)

Answer 7

当然，这两个表达式的性能取决于您正在使用的正则表达式引擎的实现。差异应该很小，所以在将其视为瓶颈之前不要进行优化。

这是一个小小的性能比较，使用perl 5.8.3和8MB随机数据（数字，短划线，空格）的样本：

time perl -ne 'if (/\d\d\d-\d\d-\d\d\d\d/) {print "."}' < numbers.txt
[output omitted]
real    0m0.143s
user    0m0.136s
sys     0m0.007s

time perl -ne 'if (/[0-9]{3}-[0-9]{2}-[0-9]{4}/) {print "."}' < numbers.txt
[output omitted]
real    0m0.166s
user    0m0.160s
sys     0m0.006s

所以第一个实际上要快一点（这在几次调用中是一致的）。

Answer 8

除了您注意到的内容之外，还有更好的优化：

Social security number cannot start from number greater than 772

这样可以立即减少您的匹配组，现在您可以：

[0-7][0-9]{2}-[0-9]{2}-[0-9]{4}

我想我想说的是，优化不一定只是技术性的。

修改

根据评论更改了正则表达式。谢谢大卫！

Answer 9

补充说明这不太可能是性能瓶颈 - 与I / O等相比，差异不大可能是可衡量的。

话虽如此 - 如果您担心，请测量它，不要猜测。

Answer 10

我刚刚在.NET中使用benchmark feature of Regex Hero进行了测试。

令人惊讶的是，第一个表达式更快，尽管只是略微如此。我对有效的社会安全号码执行了500,000次迭代，结果如下：

1.547秒 - [0-9] {3} - [0-9] {2} - [0-9] {4}

1.844秒 - \ d \ d \ d- \ d \ d- \ d \ d \ d \ d

我每次测试3次以确保基准测试准确。有趣的是，.NET中的结果与Ruby和Perl中的结果完全相反。

这两个社会安全号码搜索是否有性能差异？

10 个答案: