Parameterstring splitten unter Berücksichtigung von Quotes und Escaping - Seite 2

fireweasel · 04.04.2011, 16:10

Fünfmal schneller hätte ich jetzt nicht vermutet.

Zitat:

Zitat von mermshaus

Wobei ich da mal wieder nicht beurteilen kann, was PCRE intern so treibt. ...
Scheint wieder mal die Faustregel zu bestätigen, Operationen – selbst relativ kleine – eher nicht in PHP-Code durchzuführen.

Wenn ich die Wahl habe, verlasse ich mich lieber auf Philip Hazel als auf Rasmus Lerdorf.

Zitat:

Zitat von nikosch

Wow, man lernt echt nie aus, bei regulären Ausdrücken.

Die "Subroutinen" gibts schon eine Weile in PCRE. Sie werden nur selten erwähnt. Und der Müll, den sie im Ergebnis-Array produzieren ist auch unschön.

Zitat:

Sehr schöne Lösung, ...

Ja, wenn man Sprachen wie BRAINFUCK liebt, weiß man auch die Schönheit einer Klammer-, Fragezeichen- und Backslash-Sammlung wie in diesem Regex zu schätzen.

Zitat:

Zitat von nikosch

... (auch wenn ich jetzt noch nicht probiert habe, ob es funktioniert) ...

Zitat:

Zitat von mermshaus

Für den Demostring scheint die Lösung zu funktionieren.

Mit den angegebenen zwei Test-Strings|-Arrays läufts. Das Darstellen|Escapen von Backslashes ist natürlich noch ungelöst. Wenn es eine Standard-Shell-Parameter-Konvention geben sollte, müsste man die auch nachbauen können.

mermshaus · 04.04.2011, 16:43

In meiner Variante steckte noch Optimierungspotential…

PHP-Code:

  $activeChar = substr($input, $i, 1); # langsam
$activeChar = $input[$i];            # schnell

Wer's ausprobieren oder schlauere Benchmarks als ich anwenden möchte:

PHP-Code:

  <?php // Encoding: UTF-8

/**
 *
 * @param string $input
 * @return array
 */
function getArgsArrayNonPreg($input)
{
    $args = array();

    $argBuffer = '';

    $isInString         = false;
    $isInEscapeSequence = false;

    $activeStringDelimiter = '';

    $inputLength = strlen($input);

    for ($i = 0; $i < $inputLength; $i++) {
        #$activeChar = substr($input, $i, 1);
        $activeChar = $input[$i];

        switch ($activeChar) {
            // Space
            case ' ':
                if ($isInEscapeSequence) {
                    $isInEscapeSequence = false;
                    $argBuffer .= $activeChar;
                } else if ($isInString) {
                    $argBuffer .= $activeChar;
                } else {
                    // Complete argument read,
                    // push buffer to list (if there is content),
                    // flush buffer
                    if ($argBuffer !== '') {
                        $args[] = $argBuffer;
                        $argBuffer = '';
                    }
                }
                break;

            // String delimiter
            case '"':
            case '\'':
                if ($isInEscapeSequence) {
                    $isInEscapeSequence = false;
                    $argBuffer .= $activeChar;
                } else if ($isInString) {
                    if ($activeStringDelimiter === $activeChar) {
                        $isInString = false;
                    }
                    $argBuffer .= $activeChar;
                } else {
                    $isInString = true;
                    $activeStringDelimiter = $activeChar;
                    $argBuffer .= $activeChar;
                }
                break;

            // Escape char
            case '\\':
                if ($isInEscapeSequence) {
                    $isInEscapeSequence = false;
                    $argBuffer .= $activeChar;
                } else {
                    $isInEscapeSequence = true;
                    $argBuffer .= $activeChar;
                }
                break;

            // Other char
            default:
                if ($isInEscapeSequence) {
                    $isInEscapeSequence = false;
                    $argBuffer .= $activeChar;
                } else {
                    $argBuffer .= $activeChar;
                }
                break;
        }
    }

    if ($argBuffer !== '') {
        $args[] = $argBuffer;
    }

    return $args;
}

/**
 *
 * @param string $input
 * @return array
 */
function getArgsArrayPregFireweasel($input)
{
    $pcre = '/(?:
        # q, qn
            (?:"(?:\x5C"|[^"])+(?:"|\z)|\'(?:\x5C\'|[^\'])+(?:\'|\z))
            (?:(?:\x5C\s|[\x21\x23-\x26\x28-\x9F\xA1-\xFF])+)?
        |
        # n, nq, nqn
            (?:\x5C\s|[\x21\x23-\x26\x28-\x9F\xA1-\xFF])+
            (?:
                (?:"(?:\x5C"|[^"])+(?:"|\z)|\'(?:\x5C\'|[^\'])+(?:\'|\z))
                (?:(?:\x5C\s|[\x21\x23-\x26\x28-\x79\xA1-\xFF])+)?
            )?
        )/x';

    $matches = array();

    preg_match_all($pcre, $input, $matches);

    return $matches[0];
}



$test = <<<'EOT'
a 'b' äö ß "äöüc d" e"\" f" ' g" ' '\'h' i ßj k" l"m n"\""
EOT;

$test = str_repeat($test . ' ', 10);



header('content-type: text/html; charset=utf-8');

$iterations = 1000;



echo '<div style="float: left;">';
    $startTime = microtime(true);

    for ($i = 0; $i < $iterations; $i++) {
        $args = getArgsArrayPregFireweasel($test);
    }

    echo microtime(true) - $startTime, "\n";

    var_dump(getArgsArrayPregFireweasel($test));
echo '</div>';



echo '<div style="float: left;">';
    $startTime = microtime(true);

    for ($i = 0; $i < $iterations; $i++) {
        $args = getArgsArrayNonPreg($test);
    }

    echo microtime(true) - $startTime, "\n";

    var_dump(getArgsArrayNonPreg($test));
echo '</div>';

Edit: foreach (str_split($input) as $activeChar) ist bei mir noch einen Tick schneller, verbraucht aber mehr Speicher.

Themen-Optionen
Druckbare Version zeigen Jemanden per E-Mail auf dieses Thema hinweisen
Thema bewerten
Thema bewerten:


Mister Ad PHP Code Flüsterer Registriert seit: 21.08.2005 Beiträge: 4682 PHP-Kenntnisse: Fortgeschritten

04.04.2011, 16:43
mermshaus Erfahrener Benutzer Registriert seit: 14.06.2009 Beiträge: 1.731 PHP-Kenntnisse: Fortgeschritten	In meiner Variante steckte noch Optimierungspotential… PHP-Code: `$activeChar = substr($input, $i, 1); # langsam $activeChar = $input[$i]; # schnell` Wer's ausprobieren oder schlauere Benchmarks als ich anwenden möchte: PHP-Code: <?php // Encoding: UTF-8 /** * * @param string $input * @return array / function getArgsArrayNonPreg($input) { $args = array(); $argBuffer = ''; $isInString = false; $isInEscapeSequence = false; $activeStringDelimiter = ''; $inputLength = strlen($input); for ($i = 0; $i < $inputLength; $i++) { #$activeChar = substr($input, $i, 1); $activeChar = $input[$i]; switch ($activeChar) { // Space case ' ': if ($isInEscapeSequence) { $isInEscapeSequence = false; $argBuffer .= $activeChar; } else if ($isInString) { $argBuffer .= $activeChar; } else { // Complete argument read, // push buffer to list (if there is content), // flush buffer if ($argBuffer !== '') { $args[] = $argBuffer; $argBuffer = ''; } } break; // String delimiter case '"': case '\'': if ($isInEscapeSequence) { $isInEscapeSequence = false; $argBuffer .= $activeChar; } else if ($isInString) { if ($activeStringDelimiter === $activeChar) { $isInString = false; } $argBuffer .= $activeChar; } else { $isInString = true; $activeStringDelimiter = $activeChar; $argBuffer .= $activeChar; } break; // Escape char case '\\': if ($isInEscapeSequence) { $isInEscapeSequence = false; $argBuffer .= $activeChar; } else { $isInEscapeSequence = true; $argBuffer .= $activeChar; } break; // Other char default: if ($isInEscapeSequence) { $isInEscapeSequence = false; $argBuffer .= $activeChar; } else { $argBuffer .= $activeChar; } break; } } if ($argBuffer !== '') { $args[] = $argBuffer; } return $args; } /* * * @param string $input * @return array / function getArgsArrayPregFireweasel($input) { $pcre = '/(?: # q, qn (?:"(?:\x5C"\|[^"])+(?:"\|\z)\|\'(?:\x5C\'\|[^\'])+(?:\'\|\z)) (?:(?:\x5C\s\|[\x21\x23-\x26\x28-\x9F\xA1-\xFF])+)? \| # n, nq, nqn (?:\x5C\s\|[\x21\x23-\x26\x28-\x9F\xA1-\xFF])+ (?: (?:"(?:\x5C"\|[^"])+(?:"\|\z)\|\'(?:\x5C\'\|[^\'])+(?:\'\|\z)) (?:(?:\x5C\s\|[\x21\x23-\x26\x28-\x79\xA1-\xFF])+)? )? )/x'; $matches = array(); preg_match_all($pcre, $input, $matches); return $matches[0]; } $test = <<<'EOT' a 'b' äö ß "äöüc d" e"\" f" ' g" ' '\'h' i ßj k" l"m n"\"" EOT; $test = str_repeat($test . ' ', 10); header('content-type: text/html; charset=utf-8'); $iterations = 1000; echo '<div style="float: left;">'; $startTime = microtime(true); for ($i = 0; $i < $iterations; $i++) { $args = getArgsArrayPregFireweasel($test); } echo microtime(true) - $startTime, "\n"; var_dump(getArgsArrayPregFireweasel($test)); echo '</div>'; echo '<div style="float: left;">'; $startTime = microtime(true); for ($i = 0; $i < $iterations; $i++) { $args = getArgsArrayNonPreg($test); } echo microtime(true) - $startTime, "\n"; var_dump(getArgsArrayNonPreg($test)); echo '</div>'; Edit: foreach (str_split($input) as $activeChar)* ist bei mir noch einen Tick schneller, verbraucht aber mehr Speicher. __________________ Blog \| Buch \| Kaloa Geändert von mermshaus (04.04.2011 um 16:51 Uhr).