3

Tenho um arquivo de log que é alvo de busca via uso da regex ^WebServer:.*endOfLine. Considerando o log abaixo essa regex está gerando 485 iterações (steps):

String:

amet, consectetur adipiscing elit...Lorem ipsum dolor sit amet, consectetur adipiscing elit...step1 endOfLine
WebServerClosed: status 10. S
amet, consectetur adipiscing elit...Lorem ipsum dolor sit amet, consectetur adipiscing elit...step1 endOfLine
WebServerClosed: status 10. S
amet, consectetur adipiscing elit...Lorem ipsum dolor sit amet, consectetur adipiscing elit...step1 endOfLine
WebServerClosed: status 10. S
WebServer: error 2312. Falha de conexão com o destino. StartLine Lorem ipsum dolor sit amet, consectetur adipiscing elit...Lorem ipsum dolor sit amet, consectetur adipiscing elit...step1 endOfLine
WebServerClosed: status 10. Sent Request
amet, consectetur adipiscing elit...Lorem ipsum dolor sit amet, consectetur adipiscing elit...step1 endOfLine
WebServerClosed: status 10. S
amet, consectetur adipiscing elit...Lorem ipsum dolor sit amet, consectetur adipiscing elit...step1 endOfLine
WebServerClosed: status 10. S

O resultado da captura promovida pela regex é:

WebServer: error 2312. Falha de conexão com o destino. StartLine Lorem ipsum dolor sit amet, consectetur adipiscing elit...Lorem ipsum dolor sit amet, consectetur adipiscing elit...step1 endOfLine

Considerando o mesmo produto final, que abordagem/técnica possui utilizar para gerar menos iterações e o uso do .* (greedy repetition)?

Estou utilizando o: https://regex101.com

4
  • Em qual site/linguagem/ferramenta vc testou? No regex101, por exemplo, só deu 109 steps: regex101.com/r/qEI5Lz/1 (e a versão não-greedy fica pior, leva mais de 290: regex101.com/r/qEI5Lz/2) - e dependendo da linguagem/ferramenta/engine, a quantidade pode variar tb, por isso é interessante colocar qual vc está usando e como está medindo
    – hkotsubo
    Commented 18/12/2020 às 20:27
  • @hkotsubo sim, lá na função de Regex Debugger Commented 18/12/2020 às 20:42
  • Ah tá, é que no debugger ele conta os passos desde o início, mas na tela principal acho que ele só conta a partir da linha, por isso deu menos...
    – hkotsubo
    Commented 18/12/2020 às 20:44
  • De qualquer forma, não acho que tenha como deixar muito mais rápida, e usar o quantificador lazy, conforme resposta abaixo, na verdade deixa mais lento...
    – hkotsubo
    Commented 18/12/2020 às 20:51

2 Respostas 2

3

Para deixar o quantificador não-greedy (também chamado de lazy, mais informações aqui e aqui), bastaria trocar a regex para ^WebServer:.*?endOfLine - o ? logo depois do * torna-o não-greedy.

Só que neste caso a regex fica mais lenta: a sua versão precisa de 485 passos, e a versão lazy precisa de mais de 660 passos.

Conforme explicado aqui, o fato de ser ou não greedy não necessariamente torna a regex mais lenta ou mais rápida, pois isso depende da expressão e da string sendo verificada.

Neste caso eu diria que o mais indicado parece ser o quantificador greedy mesmo. Como o ponto, por padrão, não considera quebras de linha, então .* já avança até o final da linha de uma vez. E depois ele vai voltando para verificar se tem endOfLine, mas como são poucos passos, ela é mais eficiente do que o lazy (que vai testando todos os caracteres após o :, até encontrar o endOfLine, e como tem muito mais caracteres antes do que depois do endOfLine, a versão greedy acaba encontrando o match em menos passos).

2
  • Show. Quanto ao uso de regex não conheço muito. Estava buscando uma forma de obter o mesmo resultado com a menor quantidade de steps possível pois o conjunto de dados iterado é gigantesco. Commented 18/12/2020 às 23:03
  • @FábioJânio Então nesse caso talvez regex não seja a melhor opção :-) Se usar alguma linguagem qualquer e um programa que lê linha a linha, vendo se ela começa com "Webserver" e termina com "endOfLine", provavelmente será mais rápido que regex (a maioria das linguagens possui funções como startsWith e endsWith ou similares, todas geralmente mais rápidas que uma regex)
    – hkotsubo
    Commented 18/12/2020 às 23:23
-1

adiciona um ? depois do * pra que ele deixe de ser greedy.

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .