इनमें से कुछ महान जवाबों को देखने के बाद, वर्तमान में स्वीकृत उत्तर पर @ arantius की टिप्पणी (समय $xबनाम x^बनाम (?!x)x) के कारण मुझे अब तक दिए गए कुछ समाधानों के लिए समय चाहिए।
@ Arantius के 275k लाइन मानक का उपयोग करते हुए, मैंने पायथन (v3.5.2, IPython 6.2k) में निम्नलिखित परीक्षण चलाए।
TL; DR: 'x^'और 'x\by'कम से कम ~ 16 के एक कारक द्वारा सबसे तेज़ हैं, और @ arantius की खोज के विपरीत, सबसे धीमी (~ 37 गुना धीमी) के (?!x)xबीच था । तो गति प्रश्न निश्चित रूप से कार्यान्वयन पर निर्भर है। यह सुनिश्चित करने के लिए कि गति आपके लिए महत्वपूर्ण है, प्रतिबद्ध करने से पहले अपने इच्छित सिस्टम पर इसका परीक्षण करें।
अद्यतन: स्पष्ट रूप से समय 'x^'और के बीच एक बड़ी विसंगति है 'a^'। कृपया अधिक जानकारी के लिए इस सवाल को देखें , और aइसके बजाय धीमी समय के लिए पिछले संपादित करें x।
In [1]: import re
In [2]: with open('/tmp/longfile.txt') as f:
...: longfile = f.read()
...:
In [3]: len(re.findall('\n',longfile))
Out[3]: 275000
In [4]: len(longfile)
Out[4]: 24733175
In [5]: for regex in ('x^','.^','$x','$.','$x^','$.^','$^','(?!x)x','(?!)','(?=x)y','(?=x)(?!x)',r'x\by',r'x\bx',r'^\b$'
...: ,r'\B\b',r'\ZNEVERMATCH\A',r'\Z\A'):
...: print('-'*72)
...: print(regex)
...: %timeit re.search(regex,longfile)
...:
------------------------------------------------------------------------
x^
6.98 ms ± 58.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
------------------------------------------------------------------------
.^
155 ms ± 960 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
------------------------------------------------------------------------
$x
111 ms ± 2.12 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
------------------------------------------------------------------------
$.
111 ms ± 1.76 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
------------------------------------------------------------------------
$x^
112 ms ± 1.14 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
------------------------------------------------------------------------
$.^
113 ms ± 1.44 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
------------------------------------------------------------------------
$^
111 ms ± 839 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
------------------------------------------------------------------------
(?!x)x
257 ms ± 5.03 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
------------------------------------------------------------------------
(?!)
203 ms ± 1.56 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
------------------------------------------------------------------------
(?=x)y
204 ms ± 4.84 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
------------------------------------------------------------------------
(?=x)(?!x)
210 ms ± 1.66 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
------------------------------------------------------------------------
x\by
7.41 ms ± 122 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
------------------------------------------------------------------------
x\bx
7.42 ms ± 110 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
------------------------------------------------------------------------
^\b$
108 ms ± 1.05 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
------------------------------------------------------------------------
\B\b
387 ms ± 5.77 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
------------------------------------------------------------------------
\ZNEVERMATCH\A
112 ms ± 1.52 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
------------------------------------------------------------------------
\Z\A
112 ms ± 1.38 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
पहली बार जब मैंने इसे चलाया था, मैं rआखिरी 3 भावों को जगाना भूल गया '\b'था , इसलिए इसकी व्याख्या की गई थी '\x08', बैकस्पेस चरित्र। हालांकि, मेरे आश्चर्य के लिए, 'a\x08c'पिछले सबसे तेज परिणाम से तेज था! निष्पक्ष होने के लिए, यह अभी भी उस पाठ से मेल खाएगा, लेकिन मुझे लगा कि यह अभी भी ध्यान देने योग्य है क्योंकि मुझे यकीन नहीं है कि यह तेज क्यों है।
In [6]: for regex in ('x\by','x\bx','^\b$','\B\b'):
...: print('-'*72)
...: print(regex, repr(regex))
...: %timeit re.search(regex,longfile)
...: print(re.search(regex,longfile))
...:
------------------------------------------------------------------------
y 'x\x08y'
5.32 ms ± 46.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
None
------------------------------------------------------------------------
x 'x\x08x'
5.34 ms ± 66.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
None
------------------------------------------------------------------------
$ '^\x08$'
122 ms ± 1.05 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
None
------------------------------------------------------------------------
\ '\\B\x08'
300 ms ± 4.11 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
None
मेरी परीक्षा फ़ाइल "... पढ़ने योग्य सामग्री और कोई डुप्लिकेट लाइनें" के लिए एक सूत्र का उपयोग करके बनाई गई थी (उबंटू 16.04 पर):
$ ruby -e 'a=STDIN.readlines;275000.times do;b=[];rand(20).times do; b << a[rand(a.size)].chomp end; puts b.join(" "); end' < /usr/share/dict/words > /tmp/longfile.txt
$ head -n5 /tmp/longfile.txt
unavailable speedometer's garbling Zambia subcontracted fullbacks Belmont mantra's
pizzicatos carotids bitch Hernandez renovate leopard Knuth coarsen
Ramada flu occupies drippings peaces siroccos Bartók upside twiggier configurable perpetuates tapering pint paralyzed
vibraphone stoppered weirdest dispute clergy's getup perusal fork
nighties resurgence chafe