什么是最有效的不区分大小写的grep用法？

Question

我的目标是匹配属于Yahoo!域名家族的电子邮件地址。在*nix系统中（我将使用Ubuntu），对于这些匹配模式的任何一种方法，有哪些优点和缺点？

如果还有另一种更优雅的解决方案，我没有想象到，请分享。

它们在这里：

• 使用带有选项-i的grep：

grep -Ei "@(yahoo|(y|rocket)mail|geocities)\.com"

• 将字符转换为全大写或小写，然后使用grep：

tr [:upper:] [:lower:] < /path/to/file.txt | grep -E "@(yahoo|(y|rocket)mail|geocities)\.com"

• 为每个模式中的每个字符包含一个字符集（当然，下面的示例不会匹配像"@rOcketmail.com"这样的内容，但你可以得到如果我检查每个字符的情况下会变成什么）：

grep -E "@([yY]ahoo|([yY]|[rR]ocket)[mM]ail|[gG]eo[cC]ities)\.[cC][oO][mM]" /path/to/file.txt

- sblack89

---

这个测试不难进行。你试过了吗？ - user1864610

你尝试过基准测试吗？我怀疑你的第一个样本会更快。我认为这个问题更可能受到文件I/O的限制，而不是处理速度...因为它与输入大小成线性关系。要注意微观优化。 - Floris

你可能需要记住的一件事是捕获组可能很耗费资源。如果你不需要返回分组的值，可以考虑使用 (?:)。 - CAustin

Answer 1

grep -i 的速度明显比在 grepping 之前将内容转换为小写要慢得多，因此我最终使用了第二种方法的变体。

感谢 @mike-w 提醒我进行简单测试，效果非常好。

- sblack89

---

感谢您与我们分享测试结果！ - Dan Bechard

你能定义一下“显著”吗？如果一个方法需要10秒钟，而另一个需要30秒钟，那么在“显著”的情况下，我们可以根据服务器负载、目录遍历、创建正则表达式的时间等因素来自行判断使用哪种方法。 - wruckie

我暂时不会重新访问测试，但你提出了一个有效的观点，量化差异会很好。 - sblack89