编译后的正则表达式性能不如预期？

Question

我正在阅读Joe Albahari的《C# 5.0权威指南》第26章有关正则表达式的内容，他说：

在一些之前的示例中，我们重复使用静态RegEx方法来处理相同的模式。在这种情况下，另一种方法是使用该模式实例化一个Regex对象，然后调用实例方法...

// Code example from the book
Regex r = new Regex (@"sausages?");
Console.WriteLine (r.Match ("sausage"));   // sausage
Console.WriteLine (r.Match ("sausages"));  // sausages

这不仅是一种语法上的方便：在内部……这会导致比较快（最高可达10倍）的匹配，代价是需要付出小小的初始编译成本（几十微秒）。

于是我就好奇地写了一个基准测试。这个程序分割字符串，迭代调用约3200万次Regex的静态调用和实例调用，以及一种执行相同任务的另一种方式。

class Program {
  static void Main(string[] args) {
    var str = "01/02/03/04/05/06/07/08/09/10";
    var regex = new Regex("/");
    var results = new List<Tuple<string, long>>();

    for (int j = 0; j < 128; j++) {
      var s = Stopwatch.StartNew();
      for (var i = 0; i < 1024 * 1024; i++) {
        RegexSplit(str);
      }
      s.Stop();
      results.Add(new Tuple<string, long>("Regex", s.ElapsedTicks));

      s = Stopwatch.StartNew();
      for (var i = 0; i < 1024 * 1024; i++) {
        CompiledRegexSplit(str, regex);
      }
      s.Stop();
      results.Add(new Tuple<string, long>("Compiled", s.ElapsedTicks));

      s = Stopwatch.StartNew();
      for (var i = 0; i < 1024 * 1024; i++) {
        StringSplit(str);
      }
      s.Stop();
      results.Add(new Tuple<string, long>("String", s.ElapsedTicks));

      Console.Write(".");
    }

    var resultsGroup = from it in results
      group it by it.Item1
      into g
      select new {
        Type = g.Key,
        Avg = g.Average(git => git.Item2)
      };

    resultsGroup.ToList().ForEach(it => Console.WriteLine("{0}: {1:000000000.00}", it.Type, it.Avg));
  }

  static void StringSplit(string str) {
    var split = str.Split('/');
  }

  static void CompiledRegexSplit(string str, Regex regex) {
    var split = regex.Split(str);
  }

  static void RegexSplit(string str) {
    var split = Regex.Split(str, "/");
  }
}

并获得了以下结果：

Regex:    12257601.40
Compiled: 10869996.92
String:   01328636.27

根据这本书，我并没有预料到这个结果，而且我怀疑一个Regex实例化需要花费1200万个时钟周期。

这个运行是在.NET 4.5，x64发行模式下进行的。

那么这个意外结果的解释是什么？

- jdphenix

---

他说的"compile"可能指的是RegexOptions.Compiled。代码中创建了一个正则表达式对象，使用了该选项：Regex regex = new Regex(pattern, RegexOptions.Compiled);。 - Bidou

你的正则表达式没有编译！var regex = new Regex("/"); - leppie

在正则表达式上编译，实际上是在构造函数中包含了编译标志。 - Allan S. Hansen

他的代码示例列出了 Regex r = new Regex(@"sausages?") - 更新问题 - jdphenix

@Bidou 不用在意 http://www.oreilly.com/catalog/errata.csp?isbn=0636920023951 - jdphenix

@Bidou 我认为你应该将这个评论作为答案添加，并加上解释。 - VMAtm

Answer 1

您的代码只生成了一个正则表达式对象实例。要使用实际编译后的Regex对象，您必须指定RegexOptions.Compiled选项。这将通知Regex对象它将被用于一种值得预先编译以便更快地执行自身的方式。

之所以不自动编译是因为对于有限次数的运行，编译正则表达式的过程实际上比节省的时间更长。Regex对象存在是为了保存具有元数据（例如Regex引擎选项等）的正则表达式，因此可以使用编译或未编译的方式。

进行编译的代码如下：

var regex = new Regex("/", RegexOptions.Compiled);

- AJ Henderson