パフォーマンスに優れた正規表現の記述

文字クラス

文字クラスでは、一致させる文字または一致させない文字を指定します。.*sの.をより具体的な文字に置き換えてください。.*は、常に入力の末尾までシフトし、その後、逆に戻ります。つまり、前に保存された状態に戻って一致の検索が継続されます。特定の文字クラスを使用すると、*によって正規表現エンジンが処理する文字数を制御し、無制限な逆戻りを停止できます。

次の正規表現の例を考えます:

(\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.]+)

次の入力について:

指定した正規表現の結果として、一致は逆戻りに陥る可能性があります。この状況はOracle Log Analyticsによって検出され、一致操作は中断されます。

正規表現を次の例に変更すると、一致を高速に完了できます。[\S\s]*が[^,]に変更され、不要な逆戻りが回避されていることに注意してください。

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

最短一致量指定子

多くの正規表現で、最長一致量指定子(.*s)を最短一致量指定子(.*?s)に置き換えると、結果を変えることなく安全に正規表現のパフォーマンスを上げることができます。

次の入力について考えます:

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)

指定された入力について、次の最長一致の正規表現を考えます:

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]*)

正規表現エンジンは、.*.を検出するたびに入力の末尾まで向かいます。最初に.*が出現すると、すべての入力が処理されて、その後、ORACLE_HOMEに達するまで逆に戻ります。これは、非効率的な一致方法です。かわりとなる最短一致の正規表現は次のとおりです:

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]*)

前述の最短一致の正規表現は、文字列の先頭から開始してORACLE_HOMEに達するまで処理し、その時点で残りの文字列の一致に進むことができます。

ノート: ORACLE_HOMEフィールドが入力の最初の方に出現する場合、最短一致量指定子を使用する必要があります。ORACLE_HOMEフィールドが最後の方に出現する場合は、最長一致量指定子を使用する方が適切なことがあります。

アンカー

アンカーは、カーソルを入力内の特定の場所に配置することを正規表現エンジンに指示します。最も一般的なアンカーは、入力の先頭と末尾を示す^および$です。

IPv4アドレスを検出するための次の正規表現を考えます:

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

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

2番目の正規表現は^で始まっており、入力の先頭に出現するIPアドレスを具体的に示していることに注意してください。

次の例のような入力で正規表現を検索します:

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

一致しない入力は、次の例のようになります:

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

^で始まる2番目の正規表現は、一致しない入力でより高速に実行されます(一致しない入力はすぐに破棄されるためです)。

先後指定の重要性

先後指定の順序は重要であるため、より一般的なオプションを先に配置して、より高速に一致するようにします。一般的でないオプションを先に配置すると、正規表現エンジンは、一致する可能性の高いより一般的なオプションをチェックする前にそれらをチェックするため、時間が無駄になります。同様に、共通パターンを抽出するようにします。たとえば、(abcd|abef)のかわりにab(cd|ef)を使用します。

次の正規表現を確認してください:

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

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

次の入力で:

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

2番目の正規表現は、先後指定によって先に文字[が、次にnullが検索されるため、より高速に一致します。入力に[があるため、一致はより高速に実行されます。