Início / user-503590

fozzybear's questions

Martin Hope
fozzybear
Asked: 2025-01-24 02:19:20 +0800 CST
  • 7

O código a seguir deve demonstrar e ajudar a testar Pattern Matchingexpressões ineficientes em Parameter Substitutionuma variável de string separada por nova linha vs. matriz.

O objetivo é atingir pelo menos um desempenho equivalente ao grep, ao filtrar apenas git status -sresultados que envolvam indexalterações (total ou parcialmente staged).

Então, basicamente, cada entrada de alteração que começa com um sinalizador de status curto do Git, como [MTARDC](sinalizando uma alteração em estágio/índice), incluindo sinalizadores duplos (sinalizando alterações parcialmente em estágio no índice e worktree), exceto untrackedou unstaged-onlyalterações (começando com [ ?]).

Observe que Ros sinalizadores de alteração (renomear) podem ser seguidos por vários dígitos, veja também exemplos nos dados de teste abaixo (possivelmente até mesmo para índice e árvore de trabalho, ou seja, R104R104). Veja: formato curto do status do Git

Os dados de teste também contêm nomes de arquivos com caracteres especiais potencialmente problemáticos, como sequências de escape, espaço ou "e" comercial: [\ $*"].

Observe também que a substituição baseada em Pattern Matching requer uma negação de padrões, em comparação a um RegExfor grep com os mesmos resultados. Para imprimir os resultados, simplesmente comente as &>/dev/nullpartes.

#! /bin/bash

# Set extended pattern matching active
shopt -s extglob 

clear
unset -v tmpVar tmpArr

# Populate tmpVar and tmpArr for testing
for i in {1..3}; do
    tmpVar+=' A addedW1'[$i]$'\n'
    tmpVar+='A  addedI1'[$i]$'\n'
    tmpVar+='AM addedA1'[$i]$'\n'
    tmpVar+=' C copiedW1'[$i]$'\n'
    tmpVar+='C  copiedI1'[$i]$'\n'
    tmpVar+='CR copied A1'[$i]$'\n'
    tmpVar+=' D removedW1'[$i]$'\n'
    tmpVar+='D  removedI1'[$i]$'\n'
    tmpVar+='DM removedA1'[$i]$'\n'
    tmpVar+=' M modifiedW1'[$i]$'\n'
    tmpVar+='M  modifiedW1'[$i]$'\n'
    tmpVar+='MR modifiedA1'[$i]$'\n'
    tmpVar+=' R101 renamedW1'[$i]$'\n'
    tmpVar+='R102  renamedI2'[$i]$'\n'
    tmpVar+='R103D renamedA1'[$i]$'\n'
    tmpVar+=' T typeChangedW1'[$i]$'\n'
    tmpVar+='T  typeChangedI1'[$i]$'\n'
    tmpVar+='TM typeChangedA1'[$i]$'\n'
    tmpVar+='?? exec2.bin'[$i]$'\n'
    tmpVar+='?? file1.txt'[$i]$'\n'
    tmpVar+='?? test.launch2'[$i]$'\n'
    tmpVar+='A  file00 0.bin'[$i]$'\n'
    tmpVar+='A  file11*1.bin'[$i]$'\n'
    tmpVar+='A  file22\03457zwei.bin'[$i]$'\n'
    tmpVar+='A  file33\t3.bin'[$i]$'\n'
    tmpVar+='A  file44$4.bin'[$i]$'\n'
    tmpVar+='A  file55"$(echo EXE)"5.bin'[$i]$'\n'
    tmpVar+='M  exec1.bin'[$i]$'\n'
    tmpVar+=' M test.launch1'[$i]$'\n'
    tmpVar+=' M myproject/src/main/java/util/MyUtil.java'[$i]$'\n'
    tmpVar+='M  myproject/src/test/util/MyUtilTest.java'[$i]$'\n'
    tmpVar+='R104R104 myproject/src/test/util/MyUtil2Test.java'[$i]$'\n'
    tmpVar+=' A invalidAdd'[$i]$'\n'
    tmpVar+='R invalidRename'[$i]$'\n'
    tmpArr+=(" A addedW1[$i]")
    tmpArr+=("A  addedI1[$i]")
    tmpArr+=("AM addedA1[$i]")
    tmpArr+=(" C copiedW1[$i]")
    tmpArr+=("C  copiedI1[$i]")
    tmpArr+=("CR copied A1[$i]")
    tmpArr+=(" D removedW1[$i]")
    tmpArr+=("D  removedI1[$i]")
    tmpArr+=("DM removedA1[$i]")
    tmpArr+=(" M modifiedW1[$i]")
    tmpArr+=("M  modifiedW1[$i]")
    tmpArr+=("MR modifiedA1[$i]")
    tmpArr+=(" R101 renamedW1[$i]")
    tmpArr+=("R102  renamedI2[$i]")
    tmpArr+=("R103D renamedA1[$i]")
    tmpArr+=(" T typeChangedW1[$i]")
    tmpArr+=("T  typeChangedI1[$i]")
    tmpArr+=("TM typeChangedA1[$i]")
    tmpArr+=("?? exec2.bin[$i]")
    tmpArr+=("?? file1.txt[$i]")
    tmpArr+=("?? test.launch2[$i]")
    tmpArr+=("A  file00 0.bin[$i]")
    tmpArr+=("A  file11*1.bin[$i]")
    tmpArr+=("A  file22\03457zwei.bin[$i]")
    tmpArr+=("A  file33\t3.bin[$i]")
    tmpArr+=("A  file44$4.bin[$i]")
    tmpArr+=('A  file55"$(echo EXE)"5.bin['$i']')
    tmpArr+=("M  exec1.bin[$i]")
    tmpArr+=(" M test.launch1[$i]")
    tmpArr+=(" M myproject/src/main/java/util/MyUtil.java[$i]")
    tmpArr+=("M  myproject/src/test/util/MyUtilTest.java[$i]")
    tmpArr+=("R104R104 myproject/src/test/util/MyUtil2Test.java[$i]")
    tmpArr+=(" A invalidAdd[$i]")
    tmpArr+=("R invalidRename[$i]")
done

# Perf-test array or string var filtering via grep
_IFS="$IFS"; IFS=$'\n'
startTime="$EPOCHREALTIME"
grep '^[MTARDC]' <<<"${tmpArr[*]}" &>/dev/null
stopTime="$EPOCHREALTIME"
IFS="$_IFS"
echo
awk 'BEGIN { printf "ELAPSED TIME via grep filtering from ARRAY: "; print '"$stopTime"' - '"$startTime"' }'

# Perf-test array filtering via Pattern Matching in Parameter Substitution 
startTime="$EPOCHREALTIME"
printf '%s\n' "${tmpArr[@]/#[? ][?MTARDC]*([0-9]) *}" &>/dev/null
stopTime="$EPOCHREALTIME"
echo
awk 'BEGIN { printf "ELAPSED TIME via parameter substitution from ARRAY: "; print '"$stopTime"' - '"$startTime"' }'

# Perf-test string var filtering via Pattern Matching in Parameter Substitution 
startTime="$EPOCHREALTIME"
printf '%s\n' "${tmpVar//[? ][?MTARDC]*([0-9]) *([^$'\n'])?($'\n')}" &>/dev/null
stopTime="$EPOCHREALTIME"
echo
awk 'BEGIN { printf "ELAPSED TIME via parameter substitution from VAR: "; print '"$stopTime"' - '"$startTime"' }'

# RESULT:
#ELAPSED TIME via grep filtering from ARRAY: 0.054975
#ELAPSED TIME via parameter substitution from ARRAY: 0.00031805
#ELAPSED TIME via parameter substitution from VAR: 4.546

Como pode ser visto, grepé bom, mas a variante nº 2 (filtragem de matriz via Parameter substitution) é muito mais rápida, então, para matrizes grandes, há uma boa alternativa ao grep.

A filtragem de strings var via Parameter Substitution, por outro lado, é terrivelmente lenta.

Principalmente devido ao fato de que o padrão de correspondência não pode terminar com *(o que removeria tudo até o final da string da primeira correspondência), mas porque *([^$'\n'])?($'\n'), em vez disso, ele precisa, para corresponder (e remover) tudo em uma correspondência, até a próxima nova linha e, até certo ponto, devido à tmpVar//correspondência gananciosa.

Existe outra maneira/padrão para o exemplo, para processar strings var com Pattern Matching, da mesma forma que para array - sem usar a problemática e lenta correspondência de caracteres de negação de nova linha e para chegar perto da velocidade do exemplo de array?

bash