正则表达式负向后视和前视：等价和性能

Question

我需要一个正则表达式，它将 select 只有那些 URL 不以特定扩展名（如 .png 或 .css.

结尾的字符串

我测试了以下内容：

1) 这个使用负后视：

(?<!\.png|\.css)$

https://regex101.com/r/tW4fO5/1

2) 另一个使用负前瞻：

^(?!.*[.]png|.*[.]css$).*$

https://regex101.com/r/qZ7vA4/1

两者似乎都工作正常，但据说 #1（负向后视）在 436 步中处理（参见 link），而 #2（负向后视）据说在 173 步中处理步骤。

所以我的问题是：这是什么意思？对性能有影响吗？

最后，这两个正则表达式在功能上真的是等价的吗？

编辑：解决方案摘要

总结一下，考虑通过正则表达式排除的字符串结尾的完整列表（典型情况是 Web 服务器设置，其中静态资源由 apache 提供，而动态内容由不同的服务提供）引擎 - 在我的例子中：php-fpm).

PCRE 正则表达式有两个选项：

1) 负面回顾

$(?<!\.(?:ico|gif|jpg|png|css|rss|xml|htm|pdf|zip|txt|ttf)$|(?:js|gz)$|(?:html|woff)$)

https://regex101.com/r/eU9fI6/1

请注意，我使用了多个 OR-ed 后视，因为负后视需要固定宽度的模式（即：您不能混合不同长度的模式）。这使得这个选项编写起来稍微复杂一些。此外，我认为这会降低其性能。

2) 负前瞻

^(?!.*[.](?:js|ico|gif|jpg|png|css|rss|xml|htm|html|pdf|zip|gz|txt|ttf|woff)$).*$

https://regex101.com/r/dP7uD9/1

前瞻比后视稍快。这是100万次迭代的测试结果：

回溯时间 = 18.469825983047 秒
时间预测 = 14.316685199738 秒

如果我没有可变长度模式的问题，我会选择 lookbehind，因为它看起来更紧凑。反正哪一个都好。最后，我选择了前瞻：

<LocationMatch "^(?!.*[.](?:js|ico|gif|jpg|png|css|rss|xml|htm|html|pdf|zip|gz|txt|ttf|woff)$).*$">
    SetHandler "proxy:unix:/var/run/php5-fpm.sock|fcgi://www/srv/www/gioplet/web/public/index.php"
</LocationMatch>

Answer 1

Is it going to have an impact on performances?

在大多数情况下，正则表达式找到匹配项所需的步骤越多，性能就越慢。虽然这也取决于您稍后将使用正则表达式的平台（例如，如果您使用 regex101.com 测试用于 .NET 的正则表达式，这并不意味着它将导致灾难性的回溯，惰性点匹配正则表达式失败带有长文本）。

Are the two regex really functionally equivalent?

不，他们不是。 (?<!\.png|\.css)$ 查找前面没有 .png 或 .css 的行尾。 ^(?!.*[.]png|.*[.]css$).*$ 查找不包含 .png 或不以 .css 结尾的行。要使它们 "equivalent" （也就是说，如果你想确保以 .png 或 .css 结尾的行不匹配），请使用

^(?!.*[.](?:png|css)$).*$
         ^^^^^^^^^^^^

确保 $ 在 png 和 css 之后被选中。

正则表达式之间仍然存在差异：第一个只匹配行尾，第二个匹配整行。

有没有办法加快lookbehind解决方案的速度？

请注意，模式 1 中的后视检查在字符串中的每个位置。模式 2 中的前瞻仅在字符串的开头检查一次。这就是为什么锚定前瞻解决方案在一种情况下会更快——如果您不能使用仅在少数正则表达式风格（例如 .NET）中可用的 RightToLeft 修饰符。

$(?<!\.(?:png|css)$) 后视解决方案比模式 1 快，因为后视模式在到达 string/line 末尾后仅检查一次。不过，这需要更多的步骤，因为后视的实施比前视的成本更高。

要真正找出哪种解决方案最快，您需要在您的环境中设置性能测试。

Answer 2

第二个或 lookahead 个更快。记住步数不是正确的方法。见 Whosebug question: atomic-groups-clarity.

我已经使用 timeit 在 python 上进行了测试。剧本是

import timeit
s1="""
import re
re.findall(r"^.*(?<!\.png|\.css)$",x,re.M)"""

s2="""
import re
re.findall(r"^(?!.*[.]png$|.*[.]css$).*$",x,re.M)"""

print timeit.timeit(s1,number=1000000,setup='x="""http://gioplet/articles\nhttp://gioplet/img/logo.png\nhttp://gioplet/index.php\nhttp://gioplet/css/main.css"""')

print timeit.timeit(s2,number=1000000,setup='x="""http://gioplet/articles\nhttp://gioplet/img/logo.png\nhttp://gioplet/index.php\nhttp://gioplet/css/main.css"""')

输出：

8.72536265265
7.09159428305

正则表达式负向后视和前视：等价和性能

Regex negative lookbehind and lookahead: equivalence and performance

regex

regex-lookarounds

negative-lookahead

negative-lookbehind