我有一个1608240行的数据文件。文件分为多个部分。每个部分在开始行中都有一个唯一的词,所有部分的最后一行中都有相同的词“donesection”。

我正在尝试通过执行以下操作(代码由@raiph重新格式化,来自 original post ,使代码更容易解释):

# using named subrules/regex is EXTREMELY slow;
# it reads about 2 lines per second, and grinds to halt
# after about 500 lines: (>> is the right word boundary)
perl6 -e 'my regex a { [ <{<iron copper carbon>.join("||")}> ] };
          my $x = 0;
          for "/tmp/DataRaw".IO.lines {
            $*ERR.print( "$x 1608240 \r" );
            ++$x;
            .say if m/:i beginSection \s+ <a> >>/ or
                    (m/:i \s+ <a> \s+ /
                     ff
                     m/:i doneSection/);
          }'

# however, if I explicitly write out the regex instead of using a subrule,
# it reads about 1000 lines per second, and it gets the job done:
perl6 -e 'my $x = 0;
          for "/tmp/DataRaw".IO.lines {
            $*ERR.print( "$x 1608240 \r" );
            ++$x;
            .say if m/:i beginSection \s+
                         [ iron || copper || carbon ] >>/ or
                    (m/:i \s+
                         [ iron || copper || carbon ] \s+ /
                     ff
                     m/:i doneSection/);
          }'

我的问题是,如何使子规则和显式正则表达式一样快,或者至少不要陷入停顿?我更喜欢使用更高层次的抽象。这是Regex引擎内存问题吗?我还尝试使用:

my $a=rx/ [ <{ < iron copper carbon > .join("||") }> ] /

速度也一样慢。

我无法发布160万行数据文件,但您可能可以生成类似的文件用于测试。

谢谢你的提示。