将结构与一组模式匹配答案

【问题标题】：Match a structure against set of patterns将结构与一组模式匹配
【发布时间】：2013-07-24 21:28:47
【问题描述】：

我需要将一个结构与一组模式进行匹配，并对每个匹配项采取一些措施。

模式应该支持通配符，我需要确定哪些模式与传入结构匹配，示例集：

action=new_user email=*
action=del_user email=*
action=* email=*@gmail.com
action=new_user email=*@hotmail.com

可以实时添加/删除这些模式。可能有数千个连接，每个都有自己的模式，我需要通知每个连接我收到了一个匹配的结构。模式不是完全正则表达式，我只需要用通配符 * 匹配一个字符串（简单匹配任意数量的字符）。

当服务器接收到结构 action=new_user email=testuser@gmail.com 的消息（我们称之为消息 A）并且我需要找出模式 1 和 3 与此消息匹配时，我应该对每个匹配的模式执行操作（发送此结构 A到相应的连接）。

如何以最有效的方式做到这一点？我可以迭代这些模式并一一检查，但我正在寻找更有效和线程安全的方法来做到这一点。可能可以对这些模式进行分组以减少检查。有什么建议可以做到吗？

UPD：请注意，我想匹配乘法模式（thousands），而不是固定的“字符串”（实际上是一个结构），反之亦然。换句话说，我想找出适合给定结构 A 的模式。

【问题讨论】：

正则表达式库？概率。最好的。
您能否澄清一下：首先，我看到 4 种模式，我认为 1 + 3 匹配（不是 1+2）。其次，您只需要一个是/否的答案（=至少有一个模式匹配），还是您需要一个答案，例如：模式 x，y 匹配，其余不是？第三，模式的集合是固定的，还是可以是任何集合？第四，您的模式语言是什么：完全匹配每个符号，但匹配 * 的任何字符串？还是更通用的正则表达式？
您的模式支持哪些类型的通配符？如果 * 是唯一的，那么您可以编写简单的循环来验证这种模式。如果您需要正则表达式，请使用正则表达式库。
@PSIAlt：模式 3 不应该也与您给出的示例匹配吗？
@Zane 很抱歉这个错误。 1+3 应该匹配。是的，我需要对每个匹配模式采取一些行动（将此结构发送到相应的连接）。编辑帖子以说明这一点。

标签： c++ performance algorithm

【解决方案1】：

将模式转换为正则表达式，并使用RE2 匹配它们，这是用 C++ 编写的，是最快的之一。

【讨论】：

这可能是问题解决方案的一部分
为了获得更高的速度，您可能需要创建一个正则表达式，例如(pattern1)|(pattern2)|... 匹配后，您可以检索匹配的模式。但是你只会得到其中一个：如果 pattern1 和 pattern2 都匹配，你只会得到 pattern1。
是的，但我需要找到所有匹配的模式并为每个模式采取行动（将数据发送到相应的套接字）

【解决方案2】：

实际上，如果我理解正确的话，第四个模式是多余的，因为第一个模式更通用，并且包含了与第四个匹配的每个字符串。只剩下 3 种模式，可以通过这个函数轻松检查：

bool matches(const char* name, const char* email)
{
    return strstr(name, "new_user") || strstr(name, "del_user") || strstr(email, "@gmail.com");
}

如果您更喜欢解析整个字符串，而不仅仅是匹配 action 和 email 的值，那么下面的函数应该可以解决问题：

bool matches2(const char* str)
{
    bool match = strstr(str, "action=new_user ") || strstr(str, "action=del_user ");
    if (!match)
    {
        const char* emailPtr = strstr(str, "email=");
        if (emailPtr)
        {
            match = strstr(emailPtr, "@gmail.com");
        }
    }
    return match;
}

请注意，您作为参数输入的字符串必须使用\0 进行转义。你可以阅读strstr函数here。

【讨论】：

对不起，我没有提到可以实时添加/删除模式。可能有数千个连接，每个都有自己的模式，我需要通知每个连接我已经收到了这个结构（这是匹配的）。

【解决方案3】：

此strglobmatch 仅支持* 和?。

#include <string.h>  /* memcmp, index */

char* strfixstr(char *s1, char *needle, int needle_len) {
  int l1;
  if (!needle_len) return (char *) s1;
  if (needle_len==1) return index(s1, needle[0]);
  l1 = strlen(s1);
  while (l1 >= needle_len) {
    l1--;
    if (0==memcmp(s1,needle,needle_len)) return (char *) s1;
    s1++;
  }
  return 0;
}

int strglobmatch(char *str, char *glob) {
  /* Test: strglobmatch("almamxyz","?lmam*??") */
  int min;
  while (glob[0]!='\0') {
    if (glob[0]!='*') {
      if ((glob[0]=='?') ? (str[0]=='\0') : (str[0]!=glob[0])) return 0;
      glob++; str++;
    } else { /* a greedy search is adequate here */
      min=0;
      while (glob[0]=='*' || glob[0]=='?') min+= *glob++=='?';
      while (min--!=0) if (*str++=='\0') return 0;
      min=0; while (glob[0]!='*' && glob[0]!='?' && glob[0]!='\0') { glob++; min++; }
      if (min==0) return 1; /* glob ends with star */
      if (!(str=strfixstr(str, glob-min, min))) return 0;
      str+=min;
    }
  }
  return str[0]=='\0';
}

【讨论】：

对不起，我怀疑这种暴力方式是否足以每秒匹配多个模式
先测量再根据直觉判断。如果把strfixstr换成最优子串搜索（如Knuth--Morris--Pratt），strglobmatch的算法实际上是最优的（O(glob_len + str_len)），实现简单快速。
感谢回复，但我应该这样检查每个字符串的许多模式，所以它比O(glob_len + str_len)重得多

【解决方案4】：

如果你想要的只是通配符匹配，那么你可以试试这个算法。关键是检查所有不是通配符的子字符串是否在字符串中。

patterns = ["*@gmail.com", "akalenuk@*", "a*a@*", "ak*@gmail.*", "ak*@hotmail.*", "*@*.ua"]
string = "akalenuk@gmail.com"
preprocessed_patterns = [p.split('*') for p in patterns]


def match(s, pp):
    i = 0
    for w in pp:
        wi = s.find(w, i)
        if wi == -1:
            return False
        i = wi+len(w) 
    return i == len(s) or pp[-1] == ''

print [match(string, pp) for pp in preprocessed_patterns]

但最好还是使用正则表达式，以防您将来需要的不仅仅是通配符。

【讨论】：