[ruby-dev:2973] Re: Regexp の実行が遅い気がします

西＠九大です。

From: [e-mail] (Yukihiro Matsumoto)
> に変えてexact stringを伸ばすだけで劇的に速くなりますが…．
> # 具体的にはhttpからgoo.ne.jpになってます．

おぉ、速くなりました！(0.02秒)
「.」のクォートし忘れが、ここまで影響するとは思いませんでした、失礼。

しかし、「選択(a|b|c)」を加えると、また 2秒台に戻ってしまいます。
----------------------------------------------------------------------
  if /(\S+).*\[([^\]]+)\][^"]*"([^"]*)".*http:\/\/(infoseek\.com|goo\.ne\.jp|infoseek\.co\.jp)\/\S*\??(\S*)/
----------------------------------------------------------------------
＃'goo\.ne\.jp' を '(infoseek\.com|goo\.ne\.jp|infoseek\.co\.jp)' へ

試しに、先頭に「^」をつけてみると、0.04秒になりました。
それは、また別モノという話もありますが。


「(a|b|c)」が遅い？と邪推して、マッチングを複数回に分けてみる(↓)と、
0.02秒 と、速くなったりします。
----------------------------------------------------------------------
RegexHead = '(\S+).*\[([^\]]+)\][^"]*"([^"]*)".*http://'
RegexTail = '/\S*\??(\S*)'

RobotHostsHash = {
  'goo.ne.jp' => ['mt', 'aw'],
  'infoseek.co.jp' => 'qt',
  'infoseek.com' => 'qt',
}
  
CompiledRegexArray = RobotHostsHash .keys .collect { |host|
  Regexp .compile( RegexHead + host .gsub('\.', '\.') + RegexTail )
}

while access_log = gets
  CompiledRegexArray .each do |regex|
    if access_log =~ regex
      break
    end      
  end
end
----------------------------------------------------------------------

「パターンが複雑になっても、マッチング回数が少ない方が速い」という先入
観があったのですが、こういうものなんでしょうか？

とは言え、この事例に関して言えば、$1, $2,... の参照で楽をしようとした
のがどうも失敗のようで、単に
----------------------------------------------------------------------
  if /http:\/\/(infoseek\.com|goo\.ne\.jp|infoseek\.co\.jp)/
----------------------------------------------------------------------
でまず抜き出し、$`, $' から、さらに抽出すべきでした。これだと、0.02秒。


> などの悪条件が重なっているようです．しかし，それでも遅すぎる
> ので，なんとかしたいのですが，すぐには対策が思い付きません．

ruby-4.0 くらいまでには、お願いします。


> |「Regexp 関係にバグがある」事を期待しつつ、とりあえず御報告まで。
> 
> とくにこれというバグではなく，ちょっとずつまずい点が重なって
> の現象のようです．いやな感じ．^^;;;

そうですね、これだと「バグの存在」を期待してる厭味な人みたいですね。
失礼しました。「Regexp 関係のバグの露呈」を期待しつつ、C-cC-c

------------------------------------------------------------------
九州大学大学院システム情報科学研究科 情報工学専攻 博士後期課程二年
      西 和則   ( e-mail: [e-mail] )
------------------------------------------------------------------