如何优化正则表达式的性能？

philonis

在一个脚本中，有类似的匹配语句：

while(<>) { &nbsp;&nbsp;if(/...(..)../){ xxx $1xxx  } &nbsp;&nbsp;if(/...(..)../){xxx$1xxxx} &nbsp;&nbsp;if (/........(..)../){xxxx$1xxx} }

之所以分成好多个if, 是因为这些匹配出现的顺序是不同的，不能写在一个正则里面。
因此效率很低（待处理文件有数百G）

请问如何能提高这部分的效率呢？
我试过这样写：
if(/xxxx/ || /xxxxx/ || /xxxxx/) {}
但是$1的取值不正常。

among29

..... 和xxxx 到底是啥
看不懂

chenzq1604

是有点看天书的感觉，楼主把你的源数据稍微修改一下给出来一部分吧

philonis

汗，重新写一下：
源数据：

http://www.a.com/a?a=1&b=2&c=3
http://www.a.com/a?a=123&c=456&b=789
http://www.a.com/a?b=2&c=23&a=45
.....

脚本：
while(<>)
{
  if (/a=([^&]*)/) {print $1;}
  if (/b=([^&]*)/) {print $1;}
  if (/c=([^&]*)/) {print $1;}
}

脚本分成三次if，是因为源数据a,b,c 的顺序随机。
但是效率较低，如何提高效率呢？
正则表达式可以实现不关心顺序么？

[ 本帖最后由 philonis 于 2007-8-6 23:00 编辑 ]

zhuomingliang

http://bbs.chinaunix.net/viewthread.php?tid=690804&page=1

philonis

原帖由 zhuomingliang 于 2007-8-6 23:15 发表
http://bbs.chinaunix.net/viewthread.php?tid=690804&page=1

抱歉可能我没表达清楚，我不是要处理url
而是一个文本文件，只是这个文本的内容是url而已，也可以想象成别的任何内容。

flw

内容是 URI，那便用 URI 来处理好了，这有什么好想的。
如果非要用正则表达式的话，
可以用
while( $str =~ /(a|b|c)=([^&]*)/g ){
    print "$1 $2\n";
}
这样子。

philonis

原帖由 flw 于 2007-8-7 07:02 发表
内容是 URI，那便用 URI 来处理好了，这有什么好想的。
如果非要用正则表达式的话，
可以用
while( $str =~ /(a|b|c)=([^&]*)/g ){
    print "$1 $2\n";
}
这样子。

这段代码当 a 匹配成功后，就会跳到下一行了，a b c 都存在的时候处理不了。。

flw

原帖由 philonis 于 2007-8-7 12:54 发表

这段代码当 a 匹配成功后，就会跳到下一行了，a b c 都存在的时候处理不了。。

搭救都搭救不到人世上。

philonis

原帖由 flw 于 2007-8-7 13:03 发表

搭救都搭救不到人世上。

。。。。看来我是说不清楚了，我的原始文本是混合了各种格式的apache日志，明白了吧，不可能用什么URI，除非先用正则把url提取出来，但是每天日志有500G，需要快速处理完，引用模块太慢，而且没有合适的。

不用再回这个帖子了

[ 本帖最后由 philonis 于 2007-8-7 13:34 编辑 ]