पर्ल: "रेगेक्स में 32766 से बड़ा {0} में क्वांटिफायर"

Question

मान लें कि मैं अक्षरों के बीच की दूरी के साथ "कुत्तों" शब्द को एक बड़े (300,000 अक्षरों) में ढूंढना चाहता हूं, ठीक बीच में 40,000 अक्षर। तो मुझे क्या करना:

$mystring =~ m/d.{40000}o.{40000}g.{40000}s/; 

यह अन्य (धीमा) भाषाओं में काफी अच्छी तरह से काम करेगा, लेकिन पर्ल में यह मेरे "में {} regex में 32766 से भी बड़ा परिमाणक" फेंकता है।

तो:

1. तक हम बड़ी संख्या परिमाणक किसी भी तरह के रूप में उपयोग कर सकते हैं?
2. यदि नहीं, तो क्या मुझे यह जानने का एक और अच्छा तरीका है? ध्यान दें कि "कुत्तों" केवल एक उदाहरण है; मैं इसे किसी भी शब्द और किसी भी कूद आकार (और तेज़) के लिए करना चाहता हूं।

Answer 1

तुम सच में ऐसा करने की जरूरत है इस तेजी मैं Boyer-Moore string search के विचारों पर आधारित एक कस्टम खोज पर विचार करेंगे। एक नियमित अभिव्यक्ति को एक सीमित राज्य मशीन में पार्स किया जाता है। यहां तक ​​कि एक एफएसएम का एक चालाक, कॉम्पैक्ट प्रतिनिधित्व आपके द्वारा वर्णित खोज निष्पादित करने का एक बहुत ही प्रभावी तरीका नहीं होगा।

यदि आप वाकई लाइनों के साथ जारी रखना चाहते हैं तो आप अब .{30000}.{10000} जैसे दो अभिव्यक्तियों को जोड़ सकते हैं जो अभ्यास में .{40000} जैसा ही है।

Answer 2

मुझे लगता है कि index इस कार्य के लिए बेहतर अनुकूल हो सकता है। पूरी तरह से अपरीक्षित की तर्ज पर कुछ:

sub has_dogs { 
    my $str = shift; 
    my $start = 0 

    while (-1 < (my $pos = index $$str, 'd', $start)) { 
     no warnings 'uninitialized'; 
     if (('o' eq substr($$str, $pos + 40_000, 1)) and 
      ('g' eq substr($$str, $pos + 80_000, 1)) and 
      ('s' eq substr($$str, $pos + 120_000, 1))) { 
      return 1; 
     } 
    } 
    return; 
} 

Answer 3

40.000 = 2 * 20.000

/d(?:.{20000}){2}o(?:.{20000}){2}g(?:.{20000}){2}s/s