Rust regex replace_all比PHP regex preg_replace_callback慢，如何优化？

Question

在下面的示例中，PHP比Rust快5.5倍。

我是从根本上做错了吗？

对我来说，Rust中的正则表达式引擎似乎比PHP中的慢。

PHP代码：

$html = file_get_contents('/path_to/test.html');

global $c_id;
$c_id = 0;

echo 'len with comments: ', strlen($html), "\n";

$time_start = microtime(true);

$html = preg_replace_callback('/<!--(.*?)-->/s', function($matches) {
    global $c_id;
    $c_id++;
    return str_replace($matches[1], $c_id, $matches[0]);
}, $html);

echo (microtime(true) - $time_start), " seconds for removing comments.\n";

echo 'len without comments: ', strlen($html), "\n";

锈码：

use regex::Regex;
use std::io::prelude::*;
use std::fs::File;

fn main() {
    let mut file = File::open("/path_to/test.html").expect("Unable to open the file");
    let mut html = String::new();
    file.read_to_string(&mut html).expect("Unable to read the file");
    let mut c_id: usize = 0;

    println!("len with comments: {}", html.len());

    let start = PreciseTime::now();

    let re = Regex::new(r"(?s)<!--(.*?)-->").unwrap();
    html = re.replace_all(&html, |captures: &regex::Captures| {
        c_id += 1;
        captures[0].replace(&captures[1], &c_id.to_string())
    }).to_string();

    println!("{} seconds for removing comments.", start.to(PreciseTime::now()));

    println!("len without comments: {}", html.len());
}

Rust依赖项：

regex = "1"
time = "*"

结果

PHP：

len with comments: 76968
0.00019717216491699 seconds for removing comments.
len without comments: 76622

铁锈：

len with comments: 76968
PT0.001093365S seconds for removing comments.
len without comments: 76622

谢谢！

Answer 1

这可能是由于在Rust regex中实现了惰性模式扩展。请注意，懒惰的(.*?)模式的工作方式如下：首先将其跳过，然后正则表达式引擎将尝试后续的模式，即-->。如果-->之后不存在<!--，则正则表达式引擎返回(.*?)，在<--之后获取下一个字符，并将其放入第1组的单独的内存缓冲区中，然后再次重试以与之匹配-->失败后返回，将char与.*?匹配，并修改组1内存缓冲区，依此类推。因此，第1组内存缓冲区的更新方式可能不同，并且跨语言的效率不同。

加快此类模式速度的常用正则表达式技术是unroll-the-loop principle：在左定界符和右定界符之间的块中抓取文本。在Rust regex中，您可以使用

 <!--([^>-]*(?:--?[^>-]*|[^-](?:-|>[^>-]*))*)-->

请参见regex demo（比起original regex，请参见45步与90的步）

详细信息

• <!---左定界符
• ([^>-]*(?:--?[^>-]*|[^-](?:-|>[^>-]*))*)-组1：
  • [[^>-]*-0或多个>和-]以外的字符>
  • (?:--?[^>-]*|[^-](?:-|>[^>-]*))*-0次或多次出现：
    • [--?[^>-]*--，可选的-，然后是0+个除>和-]以外的字符
    • |-或
    • [[^-](?:-|>[^>-]*)-除-以外的任何字符，后跟-或>以及除>和-之外的0+个字符）>
• -->-右定界符