PHP 从固定格式字符串里解析数据最快的方式

为了提升 PHP M3u8 的解析速度，我在上一篇博客里评选出了 PHP 世界里判断是否由某字符串开头最快的冠军，这一次又要举行另外一个比赛了：从某个固定格式的字符串里解析出想要的数据最快的函数。

还是以 M3u8 格式举例子。如果我想从字符串 #EXT-X-VERSION:3 取出 3 这个版本号，可能大家最好想到的是利用正则来实现：

preg_match('/^#EXT-X-VERSION:(\d)$/', '#EXT-X-VERSION:3', $m);

echo $m[1]; // print "3"

不过，既然 PHP 也属于 C Family，也比较容易想到另外一个函数也可以实现同样的需求：

$m = sscanf('#EXT-X-VERSION:3', '#EXT-X-VERSION:%d');

echo $m[0]; // print "3"

从语法上来看，两者都还比较简单，sscanf 略胜一筹，但我们最关心的速度又如何呢？做个实验比一比：

<?php

$iter = 999999;

$f = '#EXT-X-VERSION:%d';
$p = '/^#EXT-X-VERSION:(\d)$/';
$s = '#EXT-X-VERSION:3';

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $m = sscanf($s, $f);
    $version = $m[0];
}

echo microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    preg_match($p, $s, $m);

    $version = $m[1];
}

echo microtime(true) - $start, PHP_EOL;

结果怎样大家可以在自己电脑上实验一番，在我的电脑上 sscanf 胜，但差距也不是很大，在一个数量级内。

另外我不得不补充一点，sscanf 用法还是很灵活的，比如在解析 #EXT-X-BYTERANGE:1000@500 时，因为 @ 以及它后面的参数是可以省略的，如果用 preg_match 来处理：

preg_match('/^#EXT-X-BYTERANGE:(\d+)(@(\d+))?$/', $line, $matches);
$length = (int) $matches[1];

if (!empty($matches[3])) {
    $offset = (int) $matches[3];
}

而使用 sscanf 的话：

list($length, $offset) = sscanf('#EXT-X-BYTERANGE:1000@500', '#EXT-X-BYTERANGE:%d@%d');

当没有 @500 时，$offset 自动就是 null，所以一行代码就可以搞定，就冲这点 sscanf 也加分不少。不过我们还是再来测试一下这种方式的速度对比：

<?php

$iter = 999999;

$f = '#EXT-X-BYTERANGE:%d@%d';
$p = '/^#EXT-X-BYTERANGE:(\d+)(@(\d+))?$/';
$s = '#EXT-X-BYTERANGE:1000';
// $s = '#EXT-X-BYTERANGE:1000@500';

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    list($length, $offset) = sscanf($s, $f);
}

echo microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    preg_match($p, $s, $matches);
    $length = (int) $matches[1];

    if (!empty($matches[3])) {
        $offset = (int) $matches[3];
    }
}

echo microtime(true) - $start, PHP_EOL;

结果依然是 sscanf 获胜。

对于解析 #EXT-X-VERSION:3 这种格式比较简单的，方法还有很多，比如利用 explode, substr, strstr 等函数，我打算再加赛一场，看看是否能跟 sscanf 一争高下。在看结果之前，不妨自己猜猜看谁是冠军：

<?php

$iter = 999999;

$f = '#EXT-X-BYTERANGE:%d';
$p = '/^#EXT-X-BYTERANGE:(\d+)$/';
$s = '#EXT-X-BYTERANGE:1000';

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    list($length) = sscanf($s, $f);
}

echo 'sscanf: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    preg_match($p, $s, $matches);
    $length = (int) $matches[1];
}

echo 'preg_match: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) explode(':', $s)[1];
}

echo 'explode: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) substr(strstr($s, ':'), 1);
}

echo 'substr+strstr: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) substr(strrchr($s, ':'), 1);
}

echo 'substr+strrchr: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) substr(strpbrk($s, ':'), 1);
}

echo 'substr+strpbrk: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) substr($s, strpos($s, ':') + 1);
}

echo 'substr+strpos: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) substr($s, strlen($t) + 1);
}
 
echo 'substr+strlen: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) ltrim(strstr($s, ':'), ':');
}

echo 'ltrim+strstr: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) ltrim(strrchr($s, ':'), ':');
}

echo 'ltrim+strrch: ', microtime(true) - $start, PHP_EOL;

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) ltrim(strpbrk($s, ':'), ':');
}

echo 'ltrim+strpbrk: ', microtime(true) - $start, PHP_EOL;

得益于上一届的冠军 strpos 出色的性能，strpos + substr 组合以大优势获得了冠军！substr + strrchr 组合获得亚军，substr + strstr 组合获得季军。不得不说 substr 还是很牛逼的，前三名它都有出镜。

2017-11-17 补充：今天又试验了 substr + strlen 的组合，以不大的优势超越了曾经的冠军获得了第一名！以上代码已经更新。

当然这些方法只能用在特殊情况，正常解析带格式的字符串还是得用回 preg_match 和 sscanf。事实上，sscanf 也是可以使用正则的，但要注意不是所有正则符号都能用，跟一般的正则还是有所区别：

$filename = sscanf ('a.jpg', '%[^.].jpg')[0];
// 注意这里如果格式参数写 '%s.jpg'，结果是 "a.jpg" 而不是 "a"
// 因为 %s 必须得遇到空格类字符才会停止解析

将 sscanf 加正则的格式的方式与 preg_match 以及 sscanf 自身比一比：

$f2 = '#EXT-X-BYTERANGE:%[0-9]';

...

$start = microtime(true);
for ($i = 0; $i < $iter; ++$i) {
    $length = (int) sscanf($s, $f2)[0];
}

echo 'sscanf 2: ', microtime(true) - $start, PHP_EOL;

再猜猜看结果是什么？？

公布结果：

带正则 sscanf 稍快于 preg_match，稍慢于不带正则的 sscanf。

经过这次的比赛，再次告诉我们一个真理：正则能别用就别用啊。

PHP 从固定格式字符串里解析数据最快的方式 by Chris Yue is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.