草庐IT

php - 为什么 mb_strpos() 比 strpos() 慢得多？

coder 2023-06-14 原文

我批评过an answer在查找子字符串偏移量时建议使用 preg_match 而不是 === 以避免类型不匹配。

然而，后来答案的作者发现 preg_match 实际上比多字节操作 mb_strpos 显着快。普通 strpos 比这两个函数都快，但当然不能处理多字节字符串。

我知道 mb_strpos 需要比 strpos 做更多。但是，如果正则表达式可以几乎和 strpos 一样快，那么 mb_strpos 到底是为了什么而花费这么多时间呢？

我强烈怀疑这是一个优化错误。例如，PHP 扩展是否会比其 native 函数慢？

mb_strpos($str, "颜色", 0 ,"GBK"): 15.988190889 (89%)
preg_match("/颜色/", $str): 1.022506952 (6%)
strpos($str, "dh"): 0.934401989 (5%)

函数运行了 106 次。绝对时间占函数运行 106 次的时间总和，而不是一次的平均值。

测试字符串为$str = "代码dhgd颜色代码";。 test can be seen here (向下滚动以跳过测试类)。

注意:根据其中一位评论员(和常识)，preg_match 在比较时也不使用多字节，与strpos.

最佳答案

要了解为什么这些函数具有不同的运行时，您需要了解它们的实际作用。因为将它们总结为“他们在大海捞针中搜索针”是不够的。

strpos

如果您查看 implementation of strpos , 它使用 zend_memstr internally ，它实现了一个漂亮的 naive algorithm for searching for needle in haystack : 基本上，它使用 memchr 在 haystack 中找到 needle 的第一个字节，然后使用 memcmp 检查是否整个针都从那个位置开始。如果不是，它会从第一个字节的前一个匹配位置开始重复搜索 needle 的第一个字节。

了解这一点，我们可以说 strpos 仅使用朴素搜索算法在字节序列中搜索字节序列。

mb_strpos

此函数是 strpos 的多字节对应函数。这使得搜索变得有点复杂，因为您不能只查看字节而不知道它们属于哪个字符。

mb_strpos 使用 mbfl_strpos ，与 zend_memstr 的简单算法相比，它做了更多，就像 200 行复杂代码 (mbfl_strpos) 相比 30 行光滑代码 ( zend_memstr).

我们可以跳过 part where both needle and haystack are converted to UTF-8 if necessary , 并来到 major chunk of code .

首先我们有两个设置循环，然后是 loop that proceeds the pointer according to the given offset在那里你可以看到他们知道实际的字符以及他们如何跳过整个编码的 UTF-8 字符:因为 UTF-8 是一种可变宽度的字符编码，其中每个编码字符的第一个字节表示编码字符的整个长度。此信息存储在 u8_tbl 数组中。

最后，loop where the actual search happens .这里我们有一些有趣的事情，因为在 haystack 的某个位置对 needle 的测试是反向尝试的。如果一个字节不匹配，则跳转表 jtbl 用于在 haystack 中查找 needle 的下一个可能位置。这实际上是 Boyer–Moore string search algorithm 的一个实现。 .

所以现在我们知道 mb_strpos ......

  • 必要时将字符串转换为 UTF-8
  • 知道实际字符
  • 使用 Boyer–Moore 搜索算法

preg_match

至于preg_match，它使用PCRE library . Its standard matching algorithm uses a nondeterministic finite automaton (NFA)找到对模式树进行深度优先搜索的匹配项。这基本上是一种朴素的搜索方法。

关于php - 为什么 mb_strpos() 比 strpos() 慢得多？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/24344491/

strposmb_strposcodenoreferrerphpregexperformance

有关php - 为什么 mb_strpos() 比 strpos() 慢得多？的更多相关文章

  1. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  2. ruby-on-rails - Rails - 子类化模型的设计模式是什么？ - 2

    我有一个模型:classItem项目有一个属性“商店”基于存储的值，我希望Item对象对特定方法具有不同的行为。Rails中是否有针对此的通用设计模式？如果方法中没有大的if-else语句，这是如何干净利落地完成的？ 最佳答案 通常通过Single-TableInheritance. 关于ruby-on-rails-Rails-子类化模型的设计模式是什么？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.co

  3. ruby - 什么是填充的 Base64 编码字符串以及如何在 ruby​​ 中生成它们？ - 2

    我正在使用的第三方API的文档状态:"[O]urAPIonlyacceptspaddedBase64encodedstrings."什么是“填充的Base64编码字符串”以及如何在Ruby中生成它们。下面的代码是我第一次尝试创建转换为Base64的JSON格式数据。xa=Base64.encode64(a.to_json) 最佳答案 他们说的padding其实就是Base64本身的一部分。它是末尾的“=”和“==”。Base64将3个字节的数据包编码为4个编码字符。所以如果你的输入数据有长度n和n%3=1=>"=="末尾用于填充n%

  4. ruby - 解析 RDFa、微数据等的最佳方式是什么，使用统一的模式/词汇(例如 schema.org)存储和显示信息 - 2

    我主要使用Ruby来执行此操作，但到目前为止我的攻击计划如下:使用gemsrdf、rdf-rdfa和rdf-microdata或mida来解析给定任何URI的数据。我认为最好映射到像schema.org这样的统一模式，例如使用这个yaml文件，它试图描述数据词汇表和opengraph到schema.org之间的转换:#SchemaXtoschema.orgconversion#data-vocabularyDV:name:namestreet-address:streetAddressregion:addressRegionlocality:addressLocalityphoto:i

  5. ruby - 为什么 4.1%2 使用 Ruby 返回 0.0999999999999996？但是 4.2%2==0.2 - 2

    为什么4.1%2返回0.0999999999999996？但是4.2%2==0.2。 最佳答案 参见此处:WhatEveryProgrammerShouldKnowAboutFloating-PointArithmetic实数是无限的。计算机使用的位数有限(今天是32位、64位)。因此计算机进行的浮点运算不能代表所有的实数。0.1是这些数字之一。请注意，这不是与Ruby相关的问题，而是与所有编程语言相关的问题，因为它来自计算机表示实数的方式。 关于ruby-为什么4.1%2使用Ruby返

  6. ruby - ruby 中的 TOPLEVEL_BINDING 是什么？ - 2

    它不等于主线程的binding，这个toplevel作用域是什么？此作用域与主线程中的binding有何不同？>ruby-e'putsTOPLEVEL_BINDING===binding'false 最佳答案 事实是，TOPLEVEL_BINDING始终引用Binding的预定义全局实例，而Kernel#binding创建的新实例>Binding每次封装当前执行上下文。在顶层，它们都包含相同的绑定(bind)，但它们不是同一个对象，您无法使用==或===测试它们的绑定(bind)相等性。putsTOPLEVEL_BINDINGput

  7. ruby - Infinity 和 NaN 的类型是什么？ - 2

    我可以得到Infinity和NaNn=9.0/0#=>Infinityn.class#=>Floatm=0/0.0#=>NaNm.class#=>Float但是当我想直接访问Infinity或NaN时:Infinity#=>uninitializedconstantInfinity(NameError)NaN#=>uninitializedconstantNaN(NameError)什么是Infinity和NaN？它们是对象、关键字还是其他东西？ 最佳答案 您看到打印为Infinity和NaN的只是Float类的两个特殊实例的字符串

  8. ruby-on-rails - 如果 Object::try 被发送到一个 nil 对象，为什么它会起作用？ - 2

    如果您尝试在Ruby中的nil对象上调用方法，则会出现NoMethodError异常并显示消息:"undefinedmethod‘...’fornil:NilClass"然而，有一个tryRails中的方法，如果它被发送到一个nil对象，它只返回nil:require'rubygems'require'active_support/all'nil.try(:nonexisting_method)#noNoMethodErrorexceptionanymore那么try如何在内部工作以防止该异常？ 最佳答案 像Ruby中的所有其他对象

  9. ruby - 为什么 SecureRandom.uuid 创建一个唯一的字符串？ - 2

    关闭。这个问题需要detailsorclarity.它目前不接受答案。想改进这个问题吗？通过editingthispost添加细节并澄清问题.关闭8年前。Improvethisquestion为什么SecureRandom.uuid创建一个唯一的字符串？SecureRandom.uuid#=>"35cb4e30-54e1-49f9-b5ce-4134799eb2c0"SecureRandom.uuid方法创建的字符串从不重复？

  10. ruby - 当使用::指定模块时，为什么 Ruby 不在更高范围内查找类？ - 2

    我刚刚被困在这个问题上一段时间了。以这个基地为例:moduleTopclassTestendmoduleFooendend稍后，我可以通过这样做在Foo中定义扩展Test的类:moduleTopmoduleFooclassSomeTest但是，如果我尝试通过使用::指定模块来最小化缩进:moduleTop::FooclassFailure这失败了:NameError:uninitializedconstantTop::Foo::Test这是一个错误，还是仅仅是Ruby解析变量名的方式的逻辑结果？ 最佳答案 Isthisabug,or

随机推荐