Porovnání motorů s regulárním výrazem - Comparison of regular-expression engines

Tohle je srovnání regulární výraz motory.

Knihovny

Seznam knihoven regulárních výrazů
názevOficiální webové stránkyProgramovací jazykSoftwarová licencePoužívá
Zvýšit.Regex[Poznámka 1]Zvyšte knihovny C ++C ++ZvýšitPoznámkový blok ++> = 6.0.0, EmEditor
Boost.XpressiveZvyšte knihovny C ++C ++Zvýšit 
CL-PPCREEdi WeitzSpolečný LispBSD 
cppreJeff StuartC ++GPL 
DEELXRegExLabC ++Zdarma osobní a komerční použití 
FREJ[Poznámka 2]Fuzzy regulární výrazy pro JavuJávaLGPL 
GLib / GRegex[Poznámka 3]Referenční příručka GLibCLGPL 
GRETAMicrosoft ResearchC ++? 
GregexGrovf Inc.RTL, HLSProprietárníFPGA zrychlený> 100 Gbit / s regex engine pro kybernetickou bezpečnost, finanční odvětví a elektronický obchod.
RXPTitan ICRTLProprietárníhardwarově akcelerovaná akcelerace vyhledávání pomocí RegEx dostupná pro ASIC, FPGA a cloud. Umožňuje masivně paralelní zpracování obsahu při ultravysokých rychlostech.
HyperscanIntelC, x86 - specifická montáž (SSSE3 +[1])3-klauzule BSDRspamd
JIPMezinárodní komponenty pro UnicodeC, C ++[Poznámka 4]JIPNadace (Apple a Swift verze s otevřeným zdrojovým kódem)
Jakarta / RegexpProjekt Apache JakartaJávaApache 
java.util.regexUživatelská příručka JavaJávaGNU GPLv2 s výjimkou ClasspathjEdit
JRegexJRegexJávaBSD 
MATLABRegulární výrazyJazyk MATLABMATLAB, jazyk technických výpočtů 
OnigurumaKosakoCBSDAtom, Take Command Console, Tera termín, TextMate, Vznešený text, SubEthaEdit, EmEditor a jq
Onigmo (Oniguruma-mod)OnigmoCBSDRubín
PattwoStevesoftJava (kompatibilní s Java 1.0)LGPL 
PCREpcre.orgC, C ++[Poznámka 5]BSDApache HTTP Server, Nginx, BBEdit, Julie, HHVM, Poznámkový blok ++ <6.0.0, PHP, Delphi, R
Qt / QRegExpDigiaC ++Qt GNU GPL v. 3.0,

Qt GNU LGPL v. 2.1,Qt komerční

Kate, Kile
regulární výraz - Henry Spencer knihovny regulárních výrazůArgListCBSD 
RE2RE2C ++BSDJít, Tabulky Google, Gmail, G Suite
Henry Spencer Pokročilé regulární výrazyTclCBSD 
RGXRGX Knihovna komponent založená na C ++P6R 
SubRegMatt BucknallCMIT 
TPerlRegExSoučást TPerlRegEx VCLObjekt PascalMPLv1.1 
TRE[Poznámka 2]Ville LaurikariCBSDmusl
TRegExprStudio RegExpObjekt PascalDuální licence: freeware nebo LGPL s výjimkou statického propojeníTotal Commander
XRegExpXRegExpJavaScriptMIT 
Wolfram jazyk (Mathematica )Centrum jazykové dokumentace WolframWolfram jazykMathematica, Vývojová platforma Wolfram
  1. ^ Dříve se jmenoval Regex ++.
  2. ^ A b Jeden z fuzzy-regulární výraz motory.
  3. ^ Zahrnuto od verze 2.13.0.
  4. ^ ICU4J, verze Java, nepodporuje regulární výrazy.
  5. ^ Vazby C ++ byly vyvinuty společností Google a staly se oficiálně součástí PCRE v roce 2006.

Jazyky

Seznam jazyků a rámců včetně podpory regulárních výrazů
JazykOficiální webové stránkySoftwarová licencePoznámky
ActionScript 3Technologické centrum ActionScriptVolný, uvolnit
APL (APLX, Dyalog, GNU)APL WikiLicencováno příslušnou implementací⎕SS (PCRE), .R/⎕S (PCRE), ⎕SS (PCRE2)
C ++ 11 (C ++ )Webové stránky standardů C ++Licencováno příslušnou implementacíOd ISO14822: 2011 (e), ve výchozím nastavení podobný ECMAScript (Popis gramatiky)
DDZvyšte licenci softwaru[Poznámka 1]
JítGolang.orgBSD styl
HaskellHaskell.orgBSD3Vynecháno v jazykové zprávě a v Hierarchických knihovnách GHC
JávaJávaGNU General Public LicenseRE jsou ve zdrojovém kódu psána jako řetězce: všechna zpětná lomítka musí být zdvojnásobena, což poškozuje čitelnost.
JavaScript (ECMAScript )ECMA-262BSD3Omezené, ale RE jsou prvotřídní občané jazyka se specifickým /.../mod syntax.
JulieJuliaLang.orgLicence MITRE jsou součástí knihovny jazykového jádra pomocí integrovaného PCRE a je k dispozici volitelný obal pro ICU (kód C).
LuaLua.orgLicence MITPoužívá zjednodušený, omezený dialekt; může být vázán na výkonnější knihovnu, jako je PCRE nebo alternativní analyzátor, jako je LPeg.
MathematicaWolframProprietární
.SÍŤMSDNLicence MIT[Poznámka 2][Poznámka 3]
Nimnim-lang.orgLicence MITStandardní knihovna zahrnuje PCRE re a nre moduly, stejně jako různé alternativy (např. strutils, kolíky (Analýza gramatiky výrazu vhodný), strscans, parseutils, atd.).
Free Pascal (Objekt Pascal )www.freepascal.orgLGPL s výjimkou statického propojeníFree Pascal 2.6+ je dodáván s TRegExpr od Sorokina a dvou dalších knihoven regulárních výrazů; Vidět wiki.lazarus.freepascal.org/Regexpr.
OCamlCamlLGPLOd roku 2010, standardní modul je obecně považován za zastaralý;[2] často doporučené knihovny jsou pcre (s plnou podporou pro PCRE) a re (který není tak úplný, ale vyžaduje lepší výkon a poskytuje rozhraní populárních syntaxí: PCRE, Perl, Posix, Emacs, shell globbing).
PerlPerl.comUmělecká licence nebo GNU General Public LicensePlná, centrální část jazyka
PHPPHP.netLicence PHPMá dvě implementace, přičemž PCRE je rychlejší a efektivnější funkce
POSIX C (C )Webová publikace POSIX.1Licencováno příslušnou implementacíPodporuje POSIX BRE a ERE syntax
Krajtapython.orgLicence Python Software FoundationPython má dvě hlavní implementace, zabudovanou re a regulární výraz knihovna.
Rubínruby-doc.orgGNU Library General Public LicenseRuby 1.8, Ruby 1.9 a Ruby 2.0 a novější verze používají různé motory; Ruby 1.9 integruje Oniguruma, Ruby 2.0 a později integruje Onigmo, vidlici od Oniguruma.
Rezdocs.rsLicence MITPřepravka primárního regulárního výrazu neumožňuje výrazy rozhlížení. Existuje vazba Oniguruma s názvem onig to ano.
SAP ABAPSAP.comProprietární
Tcltcl.tkLicence Tcl / Tk
(Ve stylu BSD)		Knihovna Tcl slouží jako knihovna regulárních výrazů.
Wolfram jazykWolfram ResearchProprietární: použitelné zdarma v omezeném měřítku na platformě Wolfram Development
Schéma XMLW3CLicencováno příslušnou implementací
XPath 3 /XQueryW3CLicencováno příslušnou implementací
  1. ^ http://www.digitalmars.com/d/2.0/phobos/std_regex.html
  2. ^ https://github.com/dotnet/corefx/blob/7116584186f8f3a886616aaf8cb5d4a982c60e27/src/System.Text.RegularExpressions/src/System/Text/RegularExpressions/Regex.cs#L2
  3. ^ https://github.com/dotnet/corefx#license

Jazykové funkce

POZNÁMKA: Aplikace používající knihovnu pro podporu regulárních výrazů nemusí nutně nabízet celou sadu funkcí knihovny, např. GNU grep, který používá PCRE, nenabízí podporu lookahead, ačkoli PCRE ano.

Část 1

Porovnání jazykových funkcí (část 1)
"+" kvantifikátorVyloučené třídy postavNon-chamtivý kvantifikátory
[Poznámka 1]		Plaché skupiny
[Poznámka 2]		RekurzeDívat se dopředuPohled do pozadíZpětné reference
[Poznámka 3]		> 9 indexovatelných snímků
Boost.RegexAnoAnoAnoAnoAno[Poznámka 4]AnoAnoAnoAno
Boost.XpressiveAnoAnoAnoAnoAno[Poznámka 5]AnoAnoAnoAno
CL-PPCREAnoAnoAnoAnoNeAnoAnoAnoAno
EmEditorAnoAnoAnoAnoNeAnoAnoAnoNe
FREJNe[Poznámka 6]NeNějaký[Poznámka 6]AnoNeNeNeAnoAno
GLib / GRegexAnoAnoAnoAnoAnoAnoAnoAnoAno
GNU grepAnoAnoAnoAnoNeAnoAnoAno?
HaskellAnoAnoAnoAnoNeAnoAnoAnoAno
RXPAnoAnoAnoAnoNeNeNeAnoAno
JIP Regulární výrazAnoAnoAnoAnoNeAnoAnoAnoAno
JávaAnoAnoAnoAnoNeAnoAnoAnoAno
JavaScript (ECMAScript )AnoAnoAnoAnoNeAnoAno[Poznámka 7]AnoAno
JGsoftAnoAnoAnoAnoNeAnoAnoAnoAno
LuaAnoAnoNějaký[Poznámka 8]NeNeNeNeAnoNe
.SÍŤAnoAnoAnoAnoNeAnoAnoAnoAno
OCamlAnoAnoNeNeNeNeNeAnoNe
PCREAnoAnoAnoAnoAnoAnoAnoAnoAno
PerlAnoAnoAnoAnoAnoAnoAnoAnoAno
PHPAnoAnoAnoAnoAnoAnoAnoAnoAno
KrajtaAnoAnoAnoAnoAno[Poznámka 9]AnoAnoAnoAno
Qt / QRegExpAnoAnoAnoAnoNeAnoNeAnoAno
RE2AnoAnoAnoAnoNeNeNeNeAno
Ruby / OnigmoAnoAnoAnoAnoAnoAnoAnoAnoAno
TREAnoAnoAnoAnoNeNeNeAnoNe
VimAnoAnoAnoAnoNeAnoAnoAnoNe
RGXAnoAnoAnoAnoNeAnoAnoAnoAno
TclAnoAnoAnoAnoNeAnoAnoAnoAno
TRegExprAno?Ano??????
Schéma XMLAnoAnoNeN / ANeNeNeNeN / A
XPath 3 /XQueryAnoAnoAnoAnoNeNeNeAnoAno
XRegExpAnoAnoAnoAnoNeAnoNeAnoAno
  1. ^ Non-chamtivý kvantifikátory se shodují s co nejmenším počtem znaků, místo toho, aby byly výchozí. Všimněte si, že mnoho starších,POSIX motory nebyly chamtivé a vůbec neměly chamtivé kvantifikátory.
  2. ^ Plaché skupiny, také zvaný nezachycující na skupiny nelze odkazovat se zpětnými odkazy; skupiny, které nezachycují, se používají k urychlení shody, kde k obsahu skupiny není třeba přistupovat později.
  3. ^ Zpětné reference povolit odkazování na dříve uzavřené skupiny v pozdějších částech regulárního výrazu a / nebo náhradního řetězce (je-li to relevantní). Například, ([ab] +) 1 odpovídá „abab“, ale nikoli „abaab“.
  4. ^ http://www.boost.org/doc/libs/1_47_0/libs/regex/doc/html/boost_regex/syntax/perl_syntax.html#boost_regex.syntax.perl_syntax.recursive_expressions
  5. ^ http://www.boost.org/doc/libs/1_47_0/doc/html/xpressive/user_s_guide.html#boost_xpressive.user_s_guide.grammars_and_nested_matches.embedding_a_regex_by_reference
  6. ^ A b FREJ nemají žádné opakující se kvantifikátory, ale mají "volitelný" prvek, který se chová podobně jako jednoduchý "?" kvantifikátor.
  7. ^ Od ES2018
  8. ^ Luaův jediný nenásytný kvantifikátor je -, což je nenásytná verze *. To nemá non-chamtivý verze + nebo ?; v prvním případě lze nenásilného efektu dosáhnout opakováním tokenu a následným -, ale v druhém případě neexistuje žádný ekvivalent.
  9. ^ Podporováno volitelným regulární výraz pouze knihovna.

Část 2

Porovnání jazykových funkcí (část 2)
Směrnice
[Poznámka 1]		PodmíněnéAtomové skupiny
[Poznámka 2]		Pojmenované zachycení
[Poznámka 3]		KomentářeVložený kódUnicode podpora majetku [3]Vyrovnávací skupiny
[Poznámka 4]		Hloubky pohledu s proměnnou délkou
[Poznámka 5]
Boost.RegexAnoAnoAnoAnoAnoNeNějaký[Poznámka 6]NeNe
Boost.XpressiveAnoNeAnoAnoAnoNeNeNeNe
CL-PPCREAnoAnoAnoAnoAnoAnoNějaký[Poznámka 6]NeNe
EmEditorAnoAno??AnoNe?NeNe
FREJNeNeAnoAnoAnoNe?NeNe
GLib / GRegexAnoAnoAnoAnoAnoNeNějaký[Poznámka 6]NeNe
GNU grepAnoAno?AnoAnoNeNeNeNe
Haskell?????NeNeNeNe
RXPAnoAnoNeAnoAnoNeNeNeNe
JIP Regulární výrazAnoNeAnoAno[Poznámka 7]AnoNeAnoNeNe
JávaAnoNeAnoAno[Poznámka 8]AnoNeNějaký[Poznámka 6]NeNe
JavaScript (ECMAScript )NeNeNeNeNeNeNějaký[Poznámka 6][Poznámka 9][4]NeNe
JGsoftAnoAnoAnoAnoAnoNeNějaký[Poznámka 6]NeAno
LuaNeNeNeNeNeNeNeNeNe
.SÍŤAnoAnoAnoAnoAnoNeNějaký[Poznámka 6]AnoAno
OCamlNeNeNeNeNeNeNeNeNe
PCREAnoAnoAnoAnoAnoAnoAnoNeNe
PerlAnoAnoAnoAnoAnoAnoAnoNeNe[Poznámka 10]
PHPAnoAnoAnoAnoAnoNeNeNeNe
KrajtaAnoAnoAno[Poznámka 11]AnoAnoNeAno[Poznámka 12]NeAno[Poznámka 11]
Qt / QRegExpNeNeNeNeNeNeNeNeNe
RE2AnoNe?AnoNeNeNějaký[Poznámka 6]NeNe
Ruby / OnigmoAnoAnoAnoAnoAnoAnoNějaký[Poznámka 6]NeNe
TclAnoNeAnoNeAnoNeAnoNeNe
TREAnoNeNeNeAnoNe?NeNe
VimAnoNeAnoNeNeNeNeNeAno
RGXAnoAnoAnoAnoAnoNeAnoNeNe
Schéma XMLNeNeNeNeNeNeAnoNeNe
XPath 3 /XQueryNeNeNeNeNeNeAnoNeNe
XRegExpPouze vedoucíNeNeAnoAnoNeAnoNeNe
  1. ^ Také známý jako příznaky modifikátory, modifikátory režimů nebo volitelná písmena. Příklad vzoru: „(? I: test)“.
  2. ^ Také zvaný nezávislé dílčí výrazy.
  3. ^ Podobně jako zpětné odkazy, ale s názvy místo indexů.
  4. ^ Speciální funkce umožňující spojit vyvážené konstrukce bez rekurze.
  5. ^ Odkazuje na možnost zahrnout kvantifikátory do pozadu, což činí jejich délku nepředvídatelnou.
  6. ^ A b C d E F G h i Podpora vlastností Unicode nemusí být úplná (produkty jsou průběžně aktualizovány!). Vše bude neúplné při vydání nové revize Unicode dokud jsou aktualizovány, aby vyhovovaly.
  7. ^ K dispozici od ICU55.
  8. ^ K dispozici od JDK7.
  9. ^ Podpora a rozsah vlastností závisí na implementaci.
  10. ^ Experimentální podpora přidána ve v5.29.9.
  11. ^ A b Podporováno volitelným regulární výraz pouze knihovna.
  12. ^ Může být k dispozici v knihovně regex pouze při použití s ​​verzemi Pythonu po 3.3.

Funkce API

Porovnání funkcí API
Rodák UTF-16 Podpěra, podpora[Poznámka 1]Rodák UTF-8 Podpěra, podpora[Poznámka 1]Víceřádkové shodyČástečná shoda[Poznámka 2]
Boost.RegexNeNeAnoAno
GLib / GRegexAnoAnoAnoAno
RXPAnoAnoNeAno
JIP Regulární výrazAnoNeAno?
JávaNeČástečný[Poznámka 3]AnoAno
.SÍŤNe[Poznámka 4]AnoAno?
PCREAno[Poznámka 5]AnoAnoAno
Qt / QRegExpAnoNeNe?
TclAnoAno[Poznámka 6]Ano?
TREAnoAnoAno?
RGXNeNeAno?
wxWdigets::wxRegEx[Poznámka 7]AnoAnoAno?
XRegExpAno?Ano?
  1. ^ A b Znamená, že formát lze použít interně bez explicitního převodu.
  2. ^ Částečná shoda celého regulárního výrazu. Například vzor „. * END $“ bude částečně odpovídat libovolnému řetězci, ale pouze řetězcům končícím na END plně.[1].
  3. ^ Podporuje standard Unicode 4.0 od roku 2003; nejnovější plány pro JDK7 zahrnují podporu Unicode 6.0 (2011).[2].
  4. ^ Implementace používá původní UCS-2 podpora / funkce, takže rozpozná pouze 64 tis. znaků celkem (vs. UTF-16 1 1112 064 znaků). Zástupce vývojáře společnosti Microsoft odpověděl v roce 2010 na chybovou zprávu jako „neopraví“.[3].
  5. ^ Od verze 8.30.
  6. ^ Tcl zahrnuje zařízení pro převod do az UTF-8.
  7. ^ wxRegEx používá jakýkoli dodaný systém POSIX nebo pokud není k dispozici a pro použití v režimu Unicode Henry Spencer knihovna.

Viz také

Reference

  1. ^ https://intel.github.io/hyperscan/dev-reference/getting_started.html#requirements
  2. ^ [4]
  3. ^ https://www.unicode.org/reports/tr18/
  4. ^ „ECMA-262, 9. vydání, červen 2018 Jazyková specifikace ECMAScript® 2018“. www.ecma-international.org. Citováno 4. srpna 2020.

externí odkazy