正则表达式不区分大小写是否较慢？

Question

来源

RegexOptions.IgnoreCase 比我想象的更昂贵（例如，应该几乎无法测量）

假设这适用于 PHP、Python、Perl、Ruby 等以及 C#（我假设 Jeff 使用的是 C#），那么速度会减慢多少，我是否会受到类似的惩罚 /[a-zA-z]/ 正如我将与 /[a-z]/i ?

Answer 1

是的，[A-Za-z] 会比设置 RegexOptions.IgnoreCase, ，很大程度上是因为 Unicode 字符串。但它也有更多的限制——[A-Za-z]确实如此 不是 匹配带重音的国际字符，它实际上是 A-Za-z ASCII 集，仅此而已。

我不知道你是否看到蒂姆·布雷对我的消息的回答，但这是一个很好的回答：

国际化搜索中最棘手的问题之一是大小写。这种大小写概念仅限于以拉丁语、希腊语和西里尔语字符集编写的语言。说英语的人自然希望搜索不区分大小写，只是因为他们很懒：如果 Nadia Jones 想在 Google 上查找自己，她可能只会输入 nadia jones 并期望系统处理它。

因此，搜索系统通过将单词全部转换为小写或大写来“规范化”单词是相当常见的，无论是用于索引还是查询。

问题在于，案例之间的映射并不总是像英语中那样简单。例如，德语小写字符“ß”在大写时变成“SS”，而土耳其语中的旧大写字符“I”在小写时变成无点“ı”（是的，他们有“i”，它的大写版本是“ı”）。我读过（但未经第一手验证），在法国和魁北克，大写重音字符（例如“é”）的规则是不同的。所有这一切的结果之一是，像 java.String.toLowerCase() 这样的软件在尝试解决所有这些极端情况时往往运行速度慢得惊人。

http://www.tbray.org/ongoing/When/200x/2003/10/11/SearchI18n

Answer 2

如果您可以容忍该正则表达式中包含数字和下划线，您可以例如使用 \w 修饰符（Perl 语法）。我相信有些引擎支持 [:alpha:]，但这不是纯粹的 Perl。\w 会考虑您所在的区域设置，并匹配大写和小写，我敢打赌它比在忽略大小写时使用 [A-Z] 更快。

Answer 3

如果您担心这一点，在检查之前将外壳设置为全上或全下可能是值得的。
例如，在 Perl 中：

$x = "abbCCDGBAdgfabv";
(lc $x) =~ /bad/;

在某些情况下可能比

$x = "abbCCDGBAdgfabv";
$x =~ /bad/i;