mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-11-24 08:32:02 +00:00
105 lines
4.0 KiB
C++
105 lines
4.0 KiB
C++
#pragma once
|
||
|
||
#include <string>
|
||
#include <vector>
|
||
#include <memory>
|
||
|
||
#include <re2/re2.h>
|
||
#include <re2_st/re2.h>
|
||
|
||
|
||
/** Использует два способа оптимизации регулярного выражения:
|
||
* 1. Если регулярное выражение является тривиальным (сводится к поиску подстроки в строке),
|
||
* то заменяет поиск на strstr или strcasestr.
|
||
* 2. Если регулярное выражение содержит безальтернативную подстроку достаточной длины,
|
||
* то перед проверкой используется strstr или strcasestr достаточной длины;
|
||
* регулярное выражение проверяется полностью только если подстрока найдена.
|
||
* 3. В остальных случаях, используется движок re2.
|
||
*
|
||
* Это имеет смысл, так как strstr и strcasestr в libc под Linux хорошо оптимизированы.
|
||
*
|
||
* Подходит, если одновременно выполнены следующие условия:
|
||
* - если в большинстве вызовов, регулярное выражение не матчится;
|
||
* - если регулярное выражение совместимо с движком re2;
|
||
* - можете использовать на свой риск, так как, возможно, не все случаи учтены.
|
||
*/
|
||
|
||
namespace OptimizedRegularExpressionDetails
|
||
{
|
||
struct Match
|
||
{
|
||
std::string::size_type offset;
|
||
std::string::size_type length;
|
||
};
|
||
}
|
||
|
||
template <bool thread_safe>
|
||
class OptimizedRegularExpressionImpl
|
||
{
|
||
public:
|
||
enum Options
|
||
{
|
||
RE_CASELESS = 0x00000001,
|
||
RE_NO_CAPTURE = 0x00000010,
|
||
RE_DOT_NL = 0x00000100
|
||
};
|
||
|
||
using Match = OptimizedRegularExpressionDetails::Match;
|
||
using MatchVec = std::vector<Match>;
|
||
|
||
using RegexType = typename std::conditional<thread_safe, re2::RE2, re2_st::RE2>::type;
|
||
using StringPieceType = typename std::conditional<thread_safe, re2::StringPiece, re2_st::StringPiece>::type;
|
||
|
||
OptimizedRegularExpressionImpl(const std::string & regexp_, int options = 0);
|
||
|
||
bool match(const std::string & subject) const
|
||
{
|
||
return match(subject.data(), subject.size());
|
||
}
|
||
|
||
bool match(const std::string & subject, Match & match_) const
|
||
{
|
||
return match(subject.data(), subject.size(), match_);
|
||
}
|
||
|
||
unsigned match(const std::string & subject, MatchVec & matches) const
|
||
{
|
||
return match(subject.data(), subject.size(), matches);
|
||
}
|
||
|
||
unsigned match(const char * subject, size_t subject_size, MatchVec & matches) const
|
||
{
|
||
return match(subject, subject_size, matches, number_of_subpatterns + 1);
|
||
}
|
||
|
||
bool match(const char * subject, size_t subject_size) const;
|
||
bool match(const char * subject, size_t subject_size, Match & match) const;
|
||
unsigned match(const char * subject, size_t subject_size, MatchVec & matches, unsigned limit) const;
|
||
|
||
unsigned getNumberOfSubpatterns() const { return number_of_subpatterns; }
|
||
|
||
/// Получить регексп re2 или nullptr, если шаблон тривиален (для вывода в лог).
|
||
const std::unique_ptr<RegexType>& getRE2() const { return re2; }
|
||
|
||
static void analyze(const std::string & regexp_, std::string & required_substring, bool & is_trivial, bool & required_substring_is_prefix);
|
||
|
||
void getAnalyzeResult(std::string & out_required_substring, bool & out_is_trivial, bool & out_required_substring_is_prefix) const
|
||
{
|
||
out_required_substring = required_substring;
|
||
out_is_trivial = is_trivial;
|
||
out_required_substring_is_prefix = required_substring_is_prefix;
|
||
}
|
||
|
||
private:
|
||
bool is_trivial;
|
||
bool required_substring_is_prefix;
|
||
bool is_case_insensitive;
|
||
std::string required_substring;
|
||
std::unique_ptr<RegexType> re2;
|
||
unsigned number_of_subpatterns;
|
||
};
|
||
|
||
using OptimizedRegularExpression = OptimizedRegularExpressionImpl<true>;
|
||
|
||
#include "OptimizedRegularExpression.inl"
|