文本减肥：正则[已解决]

netbean · 发表于 2011-5-2 15:02:05

20984/21187/21036ms-原始文本,by easefull
记事本另存文本，不能转换。
特别的是，减肥比其他转换后的小2KB

easefull · 发表于 2011-5-2 15:05:51

回复 46# netbean

20984/21187/21036ms-原始文本,by easefull
记事本另存文本，不能转换。
特别的是，减肥比其他转换后的小 ...
netbean 发表于 2011-5-2 15:02

这几个数字是啥意思?
你用的哪个文件测试得21036ms的?没那么夸张吧.试一下45楼的时间看看.

netbean · 发表于 2011-5-2 15:27:18

是合并后的文件，1143KB，12楼；
45楼的实验：2117/1990/1749/1813ms
另存文件后，有：
000008 综合指数
000009 0xC9CFD6A433383
000010 0xC9CFD6A431383
000011 基金指数

easefull · 发表于 2011-5-2 15:51:53

回复 48# netbean

45楼的乱码bug已经修改过来了.
另外,似乎没有1813ms那么夸张吧.你是怎么测的?

我的shex.tnf文件大小659,300字节.
现在45楼的代码并不保存减肥文件.而是直接给出搜索的结果.我测试的几个都是200ms以内的.
你再把代码复制一次,不修改,直接放到shex.tnf的目录下面运行看看显示的是多少时间?

netbean · 发表于 2011-5-2 16:42:23

本帖最后由 netbean 于 2011-5-2 16:57 编辑

好，实验数据和硬件相关，只是相对照。
561/395/372/386ms合并后记事本另存文本搜索(原始文本时间和下面接近，硬件为上网本)
1672/1725/1638ms-原始文本减肥，时间最短，文件最小
不知道减肥后文件，以名称查代码，还有更快方法吗？谢谢！

easefull · 发表于 2011-5-2 16:48:57

好，实验数据和硬件相关，只是相对照。
561/395/372/386ms合并文件搜索
netbean 发表于 2011-5-2 16:42

这个是45楼代码4次测试的时间?

netbean · 发表于 2011-5-3 01:18:03

本帖最后由 netbean 于 2011-5-3 09:06 编辑

45楼实验
1139/1388/1142/1403ms减肥前文件
21/20/22/20ms减肥后文件

两种方式查询8支股票代码，速度接近：
6061/6220/5411/4758ms-StringInStr搜索
5497/5353/5244/5385ms-StringRegExp搜索

非常感谢大家！

3mile · 发表于 2011-5-3 09:47:50

回复 52# netbean
45楼的代码想法很好,但是有一个问题.
查询下面的数据是否失败呢?SNT.TXT文件内容中的股票有多少支呢?是4690支呢还是4624支呢?

888880-新标准券
887001-银行类
887002-钢铁行业
887003-家具行业
887004-石油行业
887005-公路桥梁
887006-汽车类
887007-交通运输
887008-医疗器械
887009-酒店旅游
887010-房地产
887011-商业百货
887012-物资外贸
887013-食品行业
887014-纺织行业
887015-电力行业
887016-农林牧渔
887017-传媒娱乐
887018-化工行业
887019-煤炭行业
887020-建筑建材
887021-水泥行业
887022-家电行业
887023-电子信息
887024-综合行业
887025-机械行业
887026-化纤行业
887027-农药化肥
887028-电器行业
887030-开发区
887032-船舶制造
887033-生物制药
887034-电子器件
887035-有色金属
887036-酿酒行业
887037-造纸行业
887038-环保行业
887039-陶瓷行业
887040-服装鞋类
887041-供水供气
887042-发电设备
887043-纺织机械
887044-印刷包装
887045-塑料制品
887046-玻璃行业
887048-仪器仪表
887049-券商类
887050-保险类
887500-长三角
887501-珠三角
887502-环渤海
887503-海峡西岸
887505-含B股
887506-含H股
887507-世博概念
887508-3G概念
887509-新能源
887510-军工航天
887511-权证类
887512-ST股
887513-物联网
887514-智能电网
887515-黄金概念
887516-低碳经济
887517-ETF基金
887788-通达信88

netbean · 发表于 2011-5-3 10:16:02

是的，重新检查后得到全部股票数：4690支
76KB的文件少了“88”部分

easefull · 发表于 2011-5-3 11:31:12

回复 54# 3mile

代码已经改过来了.

用winHex再看了一次,发现
8字头的是 0{6}.{2}0{6}.{6}0{16}
而其它的是 0{6}.{2}0{8}.{4}0{16}
文件格式吃不透的结果,郁闷啊.

不知道您是怎么发现这问题的?怎么那么快就能找出我漏查的那些信息?

3mile · 发表于 2011-5-3 12:22:22

回复 55# easefull
$sRegExp ='3\d3\d3\d3\d3\d3\d0{6}..(?(?=0{8})0{8}.{4}0{16}.*?(?:00)|0{6}.{6}0{16}.*?(?:00))

netbean · 发表于 2011-5-3 12:59:36

重新实验45楼新代码，
3461/2900/2663/2660ms-原始文本
减肥后文件大小一样，股票数一样

easefull · 发表于 2011-5-3 13:41:35

回复 57# netbean

之前的脚本匹配SNT.txt文件只能查到4623支股票,现在(v0.3.0 Beta)已经可以找到4690支.

另外,提醒一下
昨天从 v0.1.2 开始的脚本就已经不再生成、保存文件了.
既使在 v0.1.1 也只是为了测试从减肥后的文件查询需要的时间才做的文件保存.

easefull · 发表于 2011-5-3 13:44:09

回复 56# 3mile

感谢提醒 (?=exp)exp
膜拜 exp(?exp1|exp2)、exp(?:exp1|exp2)

谢谢赐教

3mile · 发表于 2011-5-3 13:44:53

回复 59# easefull
客气了

		自动登录	找回密码
密码			加入

[效率算法] 文本减肥：正则[已解决]

评分