Fast(er) regular expression engines in Ruby
a year ago
- #benchmark
- #regex
- #performance
- SerpApi在从现代网站提取数据时面临挑战，有时不得不使用正则表达式，尽管可能存在延迟问题。
- Ruby的默认正则引擎Onigmo在扫描时间上存在弱点，促使人们探索替代方案，如re2、rust/regex和pcre2。
- re2由谷歌开发，能抵抗ReDoS攻击且有维护良好的Ruby绑定，但在处理Unicode文本时表现不佳。
- rust/regex整体速度最快，尤其擅长Unicode文本，但缺乏即用型Ruby绑定，且在正则集功能上存在局限。
- pcre2被众多产品广泛采用，但其Ruby绑定过时且缺乏JIT支持，导致在对比中可行性较低。
- 基准测试显示rust/regex在多数场景下优于re2和Ruby，特别是处理Unicode文本和复杂模式时。
- re2在ASCII文本和有界重复模式中表现良好，但在Unicode感知匹配器和高最大边界条件下表现欠佳。
- rust/regex的集合功能可能比顺序正则表达式慢，除非精心优化，这凸显了全面测试的必要性。
- re2和rust/regex都能处理无效的UTF-8字节序列，而Ruby遇到此类输入时会失败。
- 最终结论倾向于rust/regex的整体性能和Unicode支持，而re2更适合ASCII文本和抗ReDoS攻击场景。