php正则重复匹配,php – 用于匹配任何长度的所有重复子串的正则表达式

你的问题是递归的…你知道吗,忘了递归！ = p它在PHP中不会很好用,如果没有它,算法也很清楚.

function find_repeating_sequences($s)

{

$res = array();

while ($s) {

$i = 1; $pat = $s[0];

while (false !== strpos($s, $pat, $i)) {

$res[$pat] = 1;

// expand pattern and try again

$pat .= $s[$i++];

}

// move the string forward

$s = substr($s, 1);

}

return array_keys($res);

}

出于兴趣,我用PHP写了Tim’s answer：

function find_repeating_sequences_re($s)

{

$res = array();

preg_match_all('/(?=(.+).*\1)/', $s, $matches);

foreach ($matches[1] as $match) {

$length = strlen($match);

if ($length > 1) {

for ($i = 0; $i < $length; ++$i) {

for ($j = $i; $j < $length; ++$j) {

$res[substr($match, $i, $j - $i + 1)] = 1;

}

}

} else {

$res[$match] = 1;

}

}

return array_keys($res);

}

我让他们在800字节随机数据的小基准测试中解决它：

$data = base64_encode(openssl_random_pseudo_bytes(600));

每个代码运行10轮,并测量执行时间.结果？

Pure PHP - 0.014s (10 runs)

PCRE - 40.86s

当你看到24k字节(或真正高于1k的任何东西)时,它会变得更奇怪：

Pure PHP - 4.565s (10 runs)

PCRE - 0.232s

事实证明,正则表达式在1k个字符之后崩溃,因此$matches数组为空.这些是我的.ini设置：

pcre.backtrack_limit => 1000000 => 1000000

pcre.recursion_limit => 100000 => 100000

我不清楚在只有1k个字符之后是如何命中回溯或递归限制的.但即使这些设置以某种方式“修复”,结果仍然很明显,PCRE似乎不是答案.

我想用C语写这个会加速它,但我不确定程度如何.

更新

在hakre’s answer的帮助下,我整理了一个改进版本,在优化以下内容后,性能提高了约18％：

>删除外部循环中的substr()调用以前进字符串指针;这是我之前的递归化身遗留下来的.

>将部分结果用作正缓存,以跳过内部循环内的strpos()调用.

在这里,它的一切荣耀(：

function find_repeating_sequences3($s)

{

$res = array();

$p = 0;

$len = strlen($s);

while ($p != $len) {

$pat = $s[$p]; $i = ++$p;

while ($i != $len) {

if (!isset($res[$pat])) {

if (false === strpos($s, $pat, $i)) {

break;

}

$res[$pat] = 1;

}

// expand pattern and try again

$pat .= $s[$i++];

}

}

return array_keys($res);

}