Criar Expressões Regulares de Desempenho

Classes de Caractere

As classes de caractere especificam os caracteres que você está tentando ou não corresponder. Certifique-se de substituir o . em seu .*s por um caractere mais específico. O .* mudará de forma invariavelmente para o fim da sua entrada e, em seguida, recuará, retornando ao estado salvo anteriormente para continuar procurando uma correspondência. Ao usar uma classe de caractere específica, você tem controle sobre quantos caracteres o * fará com que o mecanismo regex consuma, dando a você o poder de interromper o processo de recuo excessivo.

Considere o seguinte exemplo de expressão regular:

(\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.]+)

Para a seguinte entrada:

Como resultado da expressão regular especificada, a correspondência pode encontrar um recuo. Essa situação é detectada pelo Oracle Log Analytics e a operação de correspondência é abortada.

Alterando a expressão regular no exemplo abaixo, você pode garantir que a correspondência seja concluída mais rapidamente. Observe que [\S\s]* é alterado para [^,], o que evita o recuo desnecessário.

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

Quantificadores Lentos

Em muitos regexes, quantificadores rápidos (.*s) podem ser substituídos com segurança por quantificadores lentos (.*?s), dando ao regex um ganho de desempenho sem alterar o resultado.

Considere a entrada:

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)

Considere o seguinte regex rápido para a entrada em questão:

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]*)

O mecanismo regex vai até o final da entrada toda vez que ele encontra .*.. A primeira vez que o .* aparece, ele consome toda a entrada e, em seguida, recua até chegar a ORACLE_HOME. Essa é uma maneira ineficiente de correspondência. O regex lento alternativo é mostrado a seguir:

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]*)

O regex lento acima consome o início do começo da string até chegar a ORACLE_HOME, ponto do qual ele pode prosseguir para a correspondência do restante da string.

Observação: Se o campo ORACLE_HOME aparecer no início da entrada, o quantificador lento deverá ser usado. Se o campo ORACLE_HOME aparecer no fim, talvez seja apropriado usar o quantificador rápido.

Âncoras

As âncoras informam ao mecanismo regex que você pretende que o cursor esteja em um local específico na entrada. As âncoras mais comuns são ^ e $, indicando o início e o fim da entrada.

Considere os seguintes regexes para encontrar um endereço IPv4:

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

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

Observe que o segundo regex começa com ^ e é específico sobre o endereço IP que aparece no início da entrada.

Estamos procurando o regex na entrada semelhante ao seguinte exemplo:

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

Uma entrada não correspondente seria semelhante ao seguinte exemplo:

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

O segundo regex (que começa com ^) é executado mais rápido na entrada sem correspondência porque descarta essa entrada imediatamente.

A Importância da Alternância

A ordem das contagens de alternância; portanto, coloque as opções mais comuns na frente para que elas possam ser correspondidas mais rapidamente. Se as opções mais raras forem colocadas primeiro, o mecanismo de regex perderá tempo na verificação delas antes de verificar as opções mais comuns que têm mais chance de sucesso. Além disso, tente extrair padrões comuns. Por exemplo, em vez de (abcd|abef), use ab(cd|ef).

Observe os seguintes regexes:

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

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

Na seguinte entrada:

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

O segundo regex corresponde mais rápido, já que a alternância procura o caractere [ primeiro, seguido de nulo. Como a entrada tem [, a correspondência é executada mais rapidamente.