Auf Anregung von Konrad Rudolph ameine verwandte FrageIch habe das folgende Programm geschrieben, um die Leistung von regulären Ausdrücken in F # zu bewerten:

open System.Text.RegularExpressions
let str = System.IO.File.ReadAllText "C:\\Users\\Jon\\Documents\\pg10.txt"
let re = System.IO.File.ReadAllText "C:\\Users\\Jon\\Documents\\re.txt"
for _ in 1..3 do
  let timer = System.Diagnostics.Stopwatch.StartNew()
  let re = Regex(re, RegexOptions.Compiled)
  let res = Array.Parallel.init 4 (fun _ -> re.Split str |> Seq.sumBy (fun m -> m.Length))
  printfn "%A %fs" res timer.Elapsed.TotalSeconds

und das Äquivalent in C ++:

#include "stdafx.h"

#include <windows.h>
#include <regex>
#include <vector>
#include <string>
#include <fstream>
#include <cstdio>
#include <codecvt>

using namespace std;

wstring load(wstring filename) {
    const locale empty_locale = locale::empty();
    typedef codecvt_utf8<wchar_t> converter_type;
    const converter_type* converter = new converter_type;
    const locale utf8_locale = locale(empty_locale, converter);
    wifstream in(filename);
    wstring contents;
    if (in)
    {
        in.seekg(0, ios::end);
        contents.resize(in.tellg());
        in.seekg(0, ios::beg);
        in.read(&contents[0], contents.size());
        in.close();
    }
    return(contents);
}

int count(const wstring &re, const wstring &s){
    static const wregex rsplit(re);
    auto rit = wsregex_token_iterator(s.begin(), s.end(), rsplit, -1);
    auto rend = wsregex_token_iterator();
    int count=0;
    for (auto it=rit; it!=rend; ++it)
        count += it->length();
    return count;
}

int _tmain(int argc, _TCHAR* argv[])
{
    wstring str = load(L"pg10.txt");
    wstring re = load(L"re.txt");

    __int64 freq, tStart, tStop;
    unsigned long TimeDiff;
    QueryPerformanceFrequency((LARGE_INTEGER *)&freq);
    QueryPerformanceCounter((LARGE_INTEGER *)&tStart);

    vector<int> res(4);

#pragma omp parallel num_threads(4)
    for(auto i=0; i<res.size(); ++i)
        res[i] = count(re, str);

    QueryPerformanceCounter((LARGE_INTEGER *)&tStop);
    TimeDiff = (unsigned long)(((tStop - tStart) * 1000000) / freq);
    printf("(%d, %d, %d, %d) %fs\n", res[0], res[1], res[2], res[3], TimeDiff/1e6);
    return 0;
}

Beide Programme laden zwei Dateien als Unicode-Zeichenfolgen (ich verwende eine Kopie der Bibel) und konstruieren eine nicht-triviale Unicode-Regex\w?\w?\w?\w?\w?\w und teilen Sie die Zeichenfolge viermal parallel mit der Regex, wobei Sie die Summe der Längen der geteilten Zeichenfolgen zurückgeben (um eine Zuordnung zu vermeiden).

C ++ benötigt 43,5 Sekunden und F # 3,28 Sekunden (über 13-mal schneller). Das wundert mich nicht, denn ich glaube, .NET JIT kompiliert den regulären Ausdruck in nativen Code, wohingegen die C ++ - Stdlib ihn interpretiert, aber ich hätte gerne einen Peer Review.

Gibt es einen Fehler in meinem C ++ - Code oder ist dies eine Folge von kompilierten oder interpretierten regulären Ausdrücken?

BEARBEITEN: Billy ONeal hat darauf hingewiesen, dass .NET eine andere Interpretation haben kann\w Deshalb habe ich es in einer neuen Regex explizit gemacht:

[0-9A-Za-z_]?[0-9A-Za-z_]?[0-9A-Za-z_]?[0-9A-Za-z_]?[0-9A-Za-z_]?[0-9A-Za-z_]

Dadurch wird der .NET-Code erheblich schneller (C ++ ist identisch) und die Zeit für F # von 3,28 auf 2,38 Sekunden verkürzt (über 17-mal schneller).