[ruby-dev:15803] Re: [PATCH] improve on \G

なかだです。

At Wed, 30 Jan 2002 01:14:42 +0900,
[e-mail] (Yukihiro Matsumoto) wrote:
> |[ruby-talk:30523]で、-Kを指定すると\Gを使ったマッチが遅いという
> |話が出てます。調べてみると、regex.cのre_adjust_startpos()でマル
> |チバイトの境界を文字列の最初から探しているせいのようです。逆方
> |向に探すことで-Kがないときとほぼ同じ速度になります。
> 
> んじゃ、これでコミットしてください。

すいません、なんか激しく間違ってたんで[ruby-dev:15798]に以下を
追加してコミットします。全然テスト条件が足りてませんでした。

> M17Nの方はどうしようかなあ。isleadを使えば実現できるか。

isleadだとマルチバイトの先頭かどうかですよね。それだけじゃUTF8
しかできません。必要なのは2バイト目以降にありうる値かどうかの判
定なので。

#!./ruby -Ke
require 'rubyunit'

class TestKanji < TestCase
  def setup
    @s = "あいうkえお"
  end

  def test_match
    assert_equal(0, /\Gあ/ =~ @s)
    assert_equal(0, /\Aあ/ =~ @s)
    assert_equal(2, /い/ =~ @s)
    assert_equal(4, /う/ =~ @s)
    assert_equal(7, /え/ =~ @s)
  end
  def test_index_1
    assert_equal(4, @s.index(/\Gう/, 4))
    assert_equal('う', $&)
    assert_equal(4, @s.index(/\Gう/, 3))
    assert_equal('う', $&)
    assert_equal(4, @s.index(/う/, 3))
    assert_nil(@s.index(/\Gう/, 5))
    assert_nil(@s.index(/う/, 5))
  end
  def test_index_2
    assert_equal(7, @s.index(/\Gえ/, 7))
    assert_equal('え', $&)
    assert_equal(6, @s.index(/\G.え/, 5))
    assert_equal('kえ', $&)
    assert_equal(7, @s.index(/え/, 4))
    assert_equal('え', $&)
    assert_nil(@s.index(/\Gえ/, 8))
    assert_nil(@s.index(/え/, 8))
  end
  def test_rindex_1
    assert_equal(4, @s.rindex(/\Gう/, 4))
    assert_equal('う', $&)
    assert_equal(4, @s.rindex(/\Gう/, 5))
    assert_equal('う', $&)
    assert_equal(4, @s.rindex(/う/, 5))
    assert_equal('う', $&)
    assert_equal(4, @s.rindex(/う/, 6))
    assert_equal('う', $&)
    assert_nil(@s.rindex(/\Gう/, 3))
    assert_nil(@s.rindex(/う/, 3))
  end
  def test_rindex_2
    assert_equal(7, @s.rindex(/\Gえ/, 7))
    assert_equal('え', $&)
    assert_equal(7, @s.rindex(/\Gえ/, 8))
    assert_equal('え', $&)
    assert_equal(6, @s.rindex(/\G.え/, 6))
    assert_equal('kえ', $&)
    assert_equal(7, @s.rindex(/え/, 8))
    assert_equal('え', $&)
    assert_equal(7, @s.rindex(/え/, 9))
    assert_equal('え', $&)
    assert_nil(@s.rindex(/\Gえ/, 6))
    assert_nil(@s.rindex(/え/, 6))
  end
end


--- regex.c~	Tue Jan 29 19:54:17 2002
+++ regex.c	Wed Jan 30 01:52:09 2002
@@ -479,5 +479,5 @@ re_set_syntax(syntax)
  ((current_mbctype != MBCTYPE_UTF8) ? ((c<0x100) ? (c) : (((c)>>8)&0xff)) : utf8_firstbyte(c))
 
-int mbc_backward_char _((const char *start, int pos));
+int mbc_startpos _((const char *start, int pos));
 
 static unsigned int
@@ -3079,9 +3079,12 @@ re_adjust_startpos(bufp, string, size, s
   /* Adjust startpos for mbc string */
   if (current_mbctype && startpos>0 && !(bufp->options&RE_OPTIMIZE_BMATCH)) {
-    int i = mbc_backward_char(string, startpos);
+    int i = mbc_startpos(string, startpos);
 
     if (i < startpos && range > 0) {
       startpos = i + mbclen(string[i]);
     }
+    else {
+      startpos = i;
+    }
   }
   return startpos;
@@ -4554,14 +4557,15 @@ re_mbcinit(mbctype)
 
 int
-mbc_backward_char(string, pos)
+mbc_startpos(string, pos)
      const char *string;
      int pos;
 {
-  const char *ptr = string + pos;
-  while (ptr > string) {
-    unsigned char c = *ptr;
-    if (!re_mbctab[c+256]) return ptr - string;
-    --ptr;
+  int i = pos, w;
+
+  while (i > 0 && re_mbctab[(unsigned char)string[i]+256]) {
+    --i;
   }
+  if (i == pos || i + (w = mbclen(string[i])) > pos) return i;
+  i += w;
 
   switch (current_mbctype) {
@@ -4569,8 +4573,6 @@ mbc_backward_char(string, pos)
   case MBCTYPE_SJIS:
     /* double byte char only */
-    return pos / 2;
+    return i + ((pos - i) & ~1);
   case MBCTYPE_UTF8:
-    /* illegal sequence */
-    /* fall through */
   default:
     return pos;



-- 
--- 僕の前にBugはない。
--- 僕の後ろにBugはできる。
    中田 伸悦