¿Cómo puedo hacer coincidir contra varias expresiones regulares en Perl?

Question

que he visto este post anterior, sobre la correspondencia contra múltiples expresiones regulares How can I match against multiple regexes in Perl?

que estoy buscando la manera más rápida para que coincida con todos los valores contenidos en una matriz con un archivo muy grande (500 MB).

Los patrones se leen desde la entrada estándar y pueden contener caracteres especiales que deben utilizarse en la expresión regular (anclas, clases de personajes, etc.). La coincidencia debe realizarse cuando todos los patrones están contenidos en la fila actual.

Actualmente estoy usando un anidada para el ciclo, pero no estoy muy satisfecho con la velocidad ....

Gracias por sus sugerencias.

Answer 1

¿Usted intentó utilizar grep?

while($line=<>) { 
    if (scalar(grep($line=~/$_/,@regexps))==scalar(@regexps)) { 
     # ... All matched 
    } 
} 

Answer 2

Trate Regexp::Assemble como se sugiere en la entrada que está vinculada y compararlo con un enfoque iterativo como grep. Regexp :: Assemble debería producir la solución más rápida ya que Perl puede optimizar las expresiones regulares unidas en lugar de escanear toda la línea para cada una. Como no conoce su entrada de antemano, ymmv.

¿Qué versión de Perl que está utilizando afectará el rendimiento. 5.10 introdujo muchas optimizaciones para exactamente este propósito (ver "tries"). Uno de los casos de uso más importantes son los escáneres de spam como SpamAssassin que construyen una gran expresión regex de todos los patrones que buscan, al igual que Regexp :: Assemble.

Finalmente, dado que su entrada es tan grande, puede valer la pena ensamblar la expresión regular en un archivo y luego ejecutar grep -P -f $regex_file $big_file. -P dice grep para usar expresiones regulares compatibles con Perl. El archivo se usa para evitar límites de cotización de shell o tamaño de comando. grep puede volar las puertas de Perl.

Al final, vas a tener que hacer la evaluación comparativa.