許多年前，Kragen抱怨 Java 正規表示式的實現和效能，並建議發出 JVM 位元組碼的實現可以表現更好。
今天，我釋出了Needle的 0.0.1 版本，這是一個將正規表示式編譯為 JVM 位元組碼的庫。它將每個正規表示式編譯為確定性有限自動機 (DFA)，然後將其編譯為 Java 類。
- 程式碼會分析 DFA 以提取有助於更高效匹配的資訊。
- 它能檢測出所需的字首、字尾和前字尾，
- 這些字首、字尾和前字尾可以使用 String.indexOf 找到，而第一個字元則可以在 while 迴圈中輕鬆測試（例如 [Ss]）。
- 這使得該類在 DFA 自動機中花費的時間更少，而在快速迴圈中花費的時間更多。
基準
Regex 的效能不適合簡明扼要的總結，而needle 的設計更是如此。例如，
- 有一種最佳化會計算匹配的最小和最大長度，並在無法匹配時提前退出。在測試整個字串是否與 regex 匹配時，或者在足夠小的字串中搜尋時，這種效果就會顯現出來，
- 但在查詢大字串中的匹配子串時，這種效果就不會顯現。
我已經編寫了許多基準測試，涵蓋了許多不同的情況，但需要編寫程式碼來重複報告和比較結果。與此同時，我包含了一個特定基準測試 ( SherlockBenchmark ) 的結果。
對於每個正規表示式，我們搜尋《福爾摩斯歷險記》的古騰堡計劃版本，找到該模式的所有匹配項。對於每個正規表示式，我們比較了 Java 標準庫 Needle 和brics 自動機庫，這是一個高效的 DFA 實現。
Needle 在這些模式上比 brics 慢，但仍然比標準庫快得多。這是因為Needle 自動機的核心迴圈比brics 自動機慢。
當我們有一個可用的子字串用於搜尋時，正規表示式的效能由搜尋該子字串的速度決定，而自動機的速度則不太重要。但當沒有子串時，brics 獲勝。