Perl6正则子规则/命名正则远慢于显式正则，如何优化提速？

你遇到的性能瓶颈核心原因是：动态正则片段（<{ ... }>）会在每次匹配时重新执行代码并构建正则，百万级的循环会把这个微小的单次开销放大到无法忍受的程度。而显式写死的正则是一次性预编译完成的，所以速度差距巨大。

为什么原来的子规则/动态正则慢？ #

看你第一个代码里的这段：

my regex a { [ <{<iron copper carbon>.join("||")}> ] }

每次调用<a>（也就是每一行匹配时），Perl 6都会执行<iron copper carbon>.join("||")生成字符串，然后把这个字符串解析成正则片段——这个过程在160万行的循环里重复了160万次，光是字符串拼接和正则解析的开销就足以拖慢整个程序，甚至因为重复分配内存导致停滞。

同样，你尝试的my $a=rx/ [ <{ < iron copper carbon > .join("||") }> ] /也有一样的问题：每次使用$a匹配时，都会重新执行里面的代码生成正则。

解决方案：预编译正则片段 #

我们只需要把目标词汇的正则提前编译一次，之后在匹配时直接复用这个预编译好的正则对象，就能和显式写的正则达到同样的速度，同时保持代码的抽象性。

改进后的代码示例（保持抽象性）

perl6 -e '
    # 用数组维护目标词汇，后续修改只需改这里
    my @target-terms = <iron copper carbon>;
    # 预编译目标词汇的正则，只执行一次编译
    my $target-re = rx:i/ @target-terms >> /;
    # 可选：用命名子规则封装，保持代码可读性
    my regex target { <$target-re> };

    my $x = 0;
    for "/tmp/DataRaw".IO.lines {
        $*ERR.print( "$x 1608240 \r" );
        ++$x;
        .say if m/:i beginSection \s+ <target>/ or (m/:i \s+ <target> \s+ / ff m/:i doneSection/);
    }
'

或者更简洁的版本：

perl6 -e '
    my @target-terms = <iron copper carbon>;
    my $target-re = rx:i/ @target-terms >> /;
    my $start-re = rx:i/ beginSection \s+ <$target-re> /;
    my $in-section-re = rx:i/ \s+ <$target-re> \s+ /;
    my $end-re = rx:i/ doneSection /;

    my $x = 0;
    for "/tmp/DataRaw".IO.lines {
        $*ERR.print( "$x 1608240 \r" );
        ++$x;
        .say if m/$start-re/ or (m/$in-section-re/ ff m/$end-re/);
    }
'

关键改进点说明 #

1. 预编译正则：rx:i/ @target-terms >> /会把数组@target-terms的元素自动用||连接，并且在初始化时就完成编译，之后每次匹配都直接复用这个编译好的正则对象，没有重复计算的开销。
2. 避免<{ ... }>的即时求值：把动态生成正则的逻辑移到循环之外，只执行一次，而不是每一行都重新生成。
3. 保持抽象性：用数组@target-terms维护目标词汇，后续修改词汇只需要修改数组，不需要改动正则本身，依然保持了代码的可维护性。

测试验证 #

你可以用以下代码生成模拟测试文件（160万行分段数据）：

perl6 -e '
    my @terms = <iron copper carbon aluminum>;
    my $lines = 1608240;
    my $section-count = $lines div 20; # 每个分段20行左右
    spurt "/tmp/DataRaw", join "\n", gather {
        for 1..$section-count {
            my $term = @terms.pick;
            take "beginSection $term";
            take "random line $_" for 1..18;
            take "doneSection";
        }
        # 补全剩余行数
        take "extra line" for 1..($lines - $section-count*20);
    }
'

运行改进后的代码，你会发现速度和显式写的正则几乎一致，每秒可以处理数千行，顺利完成任务。

额外优化建议 #

• 如果目标词汇数量很大，Perl 6会自动把rx:i/ @target-terms /的多个备选字符串优化成trie结构，匹配效率比逐个||更高。
• 把:i（忽略大小写）放到预编译的正则里，而不是每次匹配都指定，减少重复处理的开销。

内容的提问来源于stack exchange，提问作者lisprogtor