hace poco me ha surgido la necesidad de validar algunas propiedades usando Regex, tras hacerlo, y ver lo que refiere a performance, noto que es muchísimo más lento que, en mi caso (C#) realizar una validación similar usando linq
Por ejemplo (C#)
List<string> Lista = new List<string>();
for(int i = 0; i<100; i++)
{
//Método que devuelve un número que cumple
Lista.Add(GenerarNumeroCorrecto());
//Método que devuelve un campo que no cumple
Lista.Add(GenerarNumeroIncorrecto());
}
Stopwatch s = new Stopwatch();
s.Start();
foreach(string cadena in Lista)
{
if((!cadena.Any(c => !char.IsDigit(c))) && cadena.Length == 7)
{
//true
}
}
s.Stop();
var LinqElapsed = s.Elapsed;
s.Reset();
s.Start();
Regex reg = new Regex("^\\d{7}$");
foreach(string cadena in Lista)
{
if (reg.IsMatch(cadena))
{
//true
}
}
s.Stop();
var RegexElapsed = s.Elapsed;
Console.WriteLine("Linq: demora {0} \nRegex: demora {1}",LinqElapsed,RegexElapsed);
Console.ReadLine();
}
En el ejemplo anterior, el output es el siguiente:
Linq: demora 00:00:00.0001753
Regex: demora 00:00:00.0007208
La solución con Regex es más de 4 veces más lenta, y de aquí la duda, ¿por qué regex es tan lento?, cuál es su funcionamiento real detrás que provoca esto?
IsMatch()
ejecuta ese miniprograma (que es una máquina de estados que va avanzando de un estado a otro guiado por los caracteres de la cadena de entrada). Si al finalizar el mini-programa se está al final de la cadena, se tiene un match. Dependiendo de la complejidad de lo que quieras hacer, puede ser más rápido testearlo tú mismo por otro método, como en este caso.&&
, pues supongo que C#, como otras variantes de C, tenga haga shortcut a la hora de evaluar una expresión booleana, es decir, si ve que el primer término de un "and" es Falso, ya no evalúa el resto de términos. Por tanto si comienzas por mirar si la longitud es 7, cuando no lo es ya no necesitará siquiera comprobar si los caracteres son dígitos. Este tipo de optimizaciones no las puedes hacer con la regexp (a menos que el "compilador" de regexp ya las haga automáticamente)CPU time
en lugar dereal time
, no importa la cantidad de procesos que hubiera en marcha. Aún así, una media siempre es algo positivo. @juan-salvador-portugal Aunque utilices una expresión regular sencilla, el motor es capaz de evaluar cosas mucho más complejas. El motor pueden ser miles de líneas de código. Y aunque no se ejecuten todas, cargar y utilizarlo aunque sea para un caso sencillo, tiene su coste. Si se intenta optimizar, se recomienda no utilizar Regexes para validaciones sencillas. @abulafia, creo que deberías responder la respuesta y que fuera aceptada