Classi di caratteri

Le classi di caratteri specificano i caratteri che si sta tentando o non si sta tentando di trovare una corrispondenza. Assicurarsi di sostituire . nel file .*s con un carattere più specifico. Il valore .* verrà spostato invariabilmente alla fine dell'input e verrà quindi eseguito il backtrack, ovvero verrà ripristinato lo stato salvato in precedenza per continuare la ricerca di una corrispondenza. Quando si utilizza una specifica classe di caratteri, si ha il controllo su quanti caratteri il * causerà il consumo del motore regex, dando la possibilità di arrestare il backtracking dilagante.

Si consideri l'espressione regolare di esempio riportata di seguito.

(\d{4})(\d{2})(\d{2}),(\S+),([\S\s]*),([\S\s]*),([\S\s]*),([\S\s]*),([\S\s]*),([\S\s]*),([\S\s]*),([\S\s]*),([\S\s]*),([\S\s]*),([0-9.]+),([0-9.]+),([0-9.]+),([0-9.]+),([0-9.]+),([0-9.]+)

Per l'input seguente:

Come risultato dell'espressione regolare specificata, la corrispondenza può essere eseguita nel backtracking. Questa situazione viene rilevata da Oracle Logging Analytics e l'operazione di corrispondenza viene interrotta.

Modificando l'espressione regolare nell'esempio riportato di seguito, è possibile assicurarsi che la corrispondenza venga completata più rapidamente. Si noti che [\S\s]* viene modificato in [^,] per evitare il backtracking non necessario.

(\d{4})(\d{2})(\d{2}),(\S+),([^,]*),([^,]*),([^,]*),([^,]*),([^,]*),([^,]*),([^,]*),([^,]*),([^,]*),([^,]*),([0-9.]+),([0-9.]+),([0-9.]+),([0-9.]+),([0-9.]+),([0-9.]+)

Quantificatori lazy

In molte espressioni regolari, i quantificatori greedy (.*s) possono essere sostituiti in tutta sicurezza con i quantificatori lazy (.*?s), ottenendo così un incremento delle prestazioni dell'espressione regolare senza modificare il risultato.

Prendere in considerazione l'input:

Trace file /u01/app/oracle/diag/rdbms/navisdb/NAVISDB/trace/NAVISDB_arc0_3941.trc
Oracle Database 11g Enterprise Edition Release 11.2.0.1.0 - 64bit Production
With the Partitioning, OLAP, Data Mining and Real Application Testing options
ORACLE_HOME = /u01/app/oracle/product/11.2.0/db_1
System name: Linux
Node name: NAVISDB
Release: 2.6.18-308.el5
Version: #1 SMP Fri Jan 27 17:17:51 EST 2012
Machine: x86_64
Instance name: NAVISDB
Redo thread mounted by this instance: 1
Oracle process number: 21
Unix process pid: 3941, image: oracle@NAVISDB (ARC0)

Considerare la seguente espressione regolare greedy per l'input specificato:

Trace\sfile\s(\S*).*ORACLE_HOME\s*[:=]\s*(\S*).*System\sname:\s*(\S*).*Node\sname:\s*(\S*).*Release:\s*(\S*).*Machine:\s*(\S*).*Instance\sname:\s*(\S*).*Redo\sthread\smounted\sby\sthis\sinstance:\s(\d*).*Oracle\sprocess\snumber:\s*(\d*).*Unix\sprocess\spid:\s(\d*).*image:\s+([^\n\r]*)

Il motore regex spara alla fine dell'input ogni volta che incontra .*.. La prima volta che viene visualizzato .*, viene utilizzato tutto l'input, quindi viene eseguito il backtrack fino a raggiungere ORACLE_HOME. Questo è un modo inefficiente di abbinare. L'espressione regolare pigra alternativa è la seguente:

Trace\sfileRelease:\s*(\S*).*?Machine:\s*(\S*).*?Instance\sname:\s*(\S*).*?Redo\sthread\smounted\sby\sthis\sinstance:\s(\d*).*?Oracle\sprocess\snumber:\s*(\d*).*?Unix\sprocess\spid:\s(\d*).*?image:\s+([^\n\r]*)

L'elemento regex lazy sopra riportato viene utilizzato a partire dall'inizio della stringa fino a quando non raggiunge ORACLE_HOME, punto in cui può continuare a corrispondere al resto della stringa.

Nota: se il campo ORACLE_HOME viene visualizzato verso l'inizio dell'input, è necessario utilizzare il quantificatore lazy. Se il campo ORACLE_HOME viene visualizzato verso la fine, potrebbe essere opportuno utilizzare il quantificatore greedy.

Ancore

Le ancore indicano al motore regex che si intende che il cursore si trovi in una determinata posizione nell'input. Gli ancoraggi più comuni sono ^ e $, che indicano l'inizio e la fine dell'input.

Per trovare un indirizzo IPv4, considerare le espressioni regolari riportate di seguito.

\d{1,3}\.d{1,3}.\d{1,3}.\d{1,3}

^\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}

Si noti che la seconda espressione regolare inizia con ^ ed è specifica dell'indirizzo IP visualizzato all'inizio dell'input.

È in corso la ricerca dell'espressione regolare nell'input simile alla seguente:

107.21.20.1 - - [07/Dec/2012:18:55:53 -0500] "GET
      /extension/bsupport/design/cl/images/btn_letschat.png HTTP/1.1" 200
    2144

Un input non corrispondente avrebbe un aspetto simile al seguente esempio:

[07/Dec/2012:23:57:13 +0000] 1354924633 GET "/favicon.ico" "" HTTP/1.1 200 82726 "-"
      "ELB-HealthChecker/1.0"

La seconda espressione regolare (che inizia con ^) viene eseguita più velocemente sull'input non corrispondente perché elimina immediatamente l'input non corrispondente.

L'importanza dell'alternanza

L'ordine di alternanza conta, quindi posiziona le opzioni più comuni nella parte anteriore in modo che possano essere abbinate più velocemente. Se le opzioni più rare vengono posizionate per prime, il motore regex perderà tempo nel controllarle prima di controllare le opzioni più comuni che hanno maggiori probabilità di successo. Inoltre, cerca di estrarre modelli comuni. Ad esempio, anziché (abcd|abef), utilizzare ab(cd|ef).

Osservare le espressioni regolari seguenti:

{TIMEDATE}\s{0,1}:\s*(?:|\[)(\w+)(?:\:|\])(?:\[|)(\d+)(?:\:|\])(.{1,1000}).*

{TIMEDATE}\s{0,1}:\s*(?:\[|)(\w+)(?:\:|\])(?:\[|)(\d+)(?:\:|\])(.{1,1000}).*

Nell'input seguente:

2014-06-16 12:13:46.743: [UiServer][1166092608] {0:7:2} Done for
ctx=0x2aaab45d8330

La seconda espressione regolare corrisponde più velocemente in quanto l'alternanza cerca prima il carattere [, seguito da un valore nullo. Poiché l'input contiene [, la corrispondenza viene eseguita più velocemente.