hypergrep

Höhepunkte

• Suchen Sie mit Intel Hyperscan rekursiv nach einem Regex-Muster.
• Wenn ein Git-Repository erkannt wird, wird der Repository-Index mit libgit2 durchsucht.
• Ähnlich wie grep , ripgrep , ugrep , The Silver Searcher usw.
• C++17, Multithreading, SIMD.
• NUTZUNGSANLEITUNG
• Hinweise zur Implementierung hier.
• Nicht plattformübergreifend. Getestet unter Linux.

Leistung

Die folgenden Tests vergleichen die Leistung von hypergrep mit:

• ripgrep v13.0.0
• ag 2.2.0 (The Silver Searcher) v2.2.0
• ugrep v3.11.2

Systemdetails

Typ	Wert
Prozessor	Intel(R) Core(TM) i9-11900KF der 11. Generation bei 3,50 GHz 3,50 GHz
Befehlssatzerweiterungen	Intel® SSE4.1, Intel® SSE4.2, Intel® AVX2, Intel® AVX-512
Installierter RAM	32,0 GB (31,9 GB nutzbar)
SSD	ADATA SX8200PNP
Betriebssystem	Ubuntu 20.04 LTS
C++-Compiler	g++ (Ubuntu 11.1.0-1ubuntu1-20.04) 11.1.0

Von Vcpkg installierte Bibliotheken

vcpkg-Commit: 662dbb5

Bibliothek	Version
argparse	2.9
gleichzeitige Warteschlange	1.0.3
fmt	10.0.0
Hyperscan	5.4.2
libgit2	1.6.4

Suche nach einzelnen großen Dateien: OpenSubtitles.raw.en.txt

Die folgenden Suchvorgänge werden für eine einzelne große im Speicher zwischengespeicherte Datei (~13 GB, OpenSubtitles.raw.en.gz ) durchgeführt.

Regex	Zeilenanzahl	ag	ugrep	ripgrep	hypergrep
Zählen Sie, wie oft Holmes etwas getan hat hgrep -c 'Holmes did w'	27	n / A	1.820	1.022	0,696
Literal mit Regex-Suffix hgrep -nw 'Sherlock [AZ]w+' en.txt	7882	n / A	1.812	1.509	0,803
Einfaches wörtliches hgrep -nw 'Sherlock Holmes' en.txt	7653	15.764	1.888	1.524	0,658
Einfaches Literal (ohne Berücksichtigung der Groß- und Kleinschreibung) hgrep -inw 'Sherlock Holmes' en.txt	7871	15.599	6.945	2.162	0,650
Wechsel der Literale hgrep -n 'Sherlock Holmes|John Watson|Irene Adler|Inspector Lestrade|Professor Moriarty' en.txt	10078	n / A	6.886	1.836	0,689
Wechsel von Literalen (ohne Berücksichtigung der Groß- und Kleinschreibung) hgrep -in 'Sherlock Holmes|John Watson|Irene Adler|Inspector Lestrade|Professor Moriarty' en.txt	10333	n / A	7.029	3.940	0,770
Wörter, die eine Literalzeichenfolge umgeben hgrep -n 'w+[x20]+Holmes[x20]+w+' en.txt	5020	n / A	6m 11s	1.523	0,638

Git-Repository-Suche: torvalds/linux

Die folgenden Suchvorgänge werden im gesamten Linux-Kernel-Quellbaum durchgeführt (nach dem Ausführen von make defconfig && make -j8 ). Der verwendete Commit ist f1fcb.

Regex	Zeilenanzahl	ag	ugrep	ripgrep	hypergrep
Einfaches wörtliches hgrep -nw 'PM_RESUME'	9	2.807	0,316	0,147	0,140
Einfaches Literal (ohne Berücksichtigung der Groß- und Kleinschreibung) hgrep -niw 'PM_RESUME'	39	2.904	0,435	0,149	0,141
Regex mit Literalsuffix hgrep -nw '[AZ]+_SUSPEND'	536	3.080	1.452	0,148	0,143
Wechsel von vier Literalen hgrep -nw '(ERR_SYS|PME_TURN_OFF|LINK_REQ_RST|CFG_BME_EVT)'	16	3.085	0,410	0,153	0,146
Unicode-Griechisch hgrep -n 'p{Greek}'	111	3.762	0,484	0,345	0,146

Git-Repository-Suche: apple/swift

Die folgenden Suchvorgänge werden für den gesamten Apple Swift-Quellbaum durchgeführt. Der verwendete Commit ist 3865b.

Regex	Zeilenanzahl	ag	ugrep	ripgrep	hypergrep
Funktions-/Struktur-/Enum-Deklaration, gefolgt von einem gültigen Bezeichner und einer öffnenden Klammer hgrep -n '(func|struct|enum)s+[A-Za-z_][A-Za-z0-9_]*s*('	59026	1.148	0,954	0,154	0,090
Wörter, die mit Buchstaben beginnen, gefolgt von mindestens zwei Ziffern hgrep -nw '[A-Za-z]+d{2,}'	127858	1.169	1.238	0,156	0,095
Beginnend mit einem Großbuchstaben, gefolgt von alphanumerischen Zeichen und/oder Unterstrichen hgrep -nw '[AZ][a-zA-Z0-9_]*'	2012372	3.131	2.598	0,550	0,482
Guard-let-Anweisung, gefolgt von einem gültigen Bezeichner hgrep -n 'guards+lets+[a-zA-Z_][a-zA-Z0-9_]*s*=s*w+'	839	0,828	0,174	0,054	0,047

Verzeichnissuche: /usr

Die folgenden Suchvorgänge werden im Verzeichnis /usr durchgeführt.

Regex	Zeilenanzahl	ag	ugrep	ripgrep	hypergrep
Beliebige HTTPS- oder FTP-URL hgrep "(https?|ftp)://[^s/$.?#].[^s]*"	13682	4.597	2.894	0,305	0,171
Beliebige IPv4-IP-Adresse hgrep -w "(?:d{1,3}.){3}d{1,3}"	12643	4.727	2.340	0,324	0,166
Beliebige E-Mail-Adresse hgrep -w "[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+.[A-Za-z]{2,}"	47509	5.477	37.209	0,494	0,220
Jedes gültige Datum MM/DD/YYYY hgrep "(0[1-9]|1[0-2])/(0[1-9]|[12]d|3[01])/(19|20)d{2}"	116	4.239	1.827	0,251	0,163
Zählen Sie die Anzahl der HEX-Werte hgrep -cw "(?:0x)?[0-9A-Fa-f]+"	68042	5.765	28.691	1.439	0,611
Durchsuchen Sie ein beliebiges C/C++ nach einem Literal hgrep --filter ".(c|cpp|h|hpp)$" test	7355	n / A	0,505	0,118	0,079

Bauen

Installieren Sie Abhängigkeiten mit vcpkg

git clone https://github.com/microsoft/vcpkg
cd vcpkg
./bootstrap-vcpkg.sh
./vcpkg install concurrentqueue fmt argparse libgit2 hyperscan

Erstellen Sie hypergrep mit cmake und vcpkg

Klonen Sie das Repository

 git clone https://github.com/p-ranav/hypergrep
cd hypergrep

Wenn cmake älter als 3.19 ist

 mkdir build
cd build
cmake -DCMAKE_TOOLCHAIN_FILE=<path_to_vcpkg>/scripts/buildsystems/vcpkg.cmake ..
make

Wenn cmake neuer als 3.19 ist

Verwenden Sie die release Voreinstellung:

 export VCPKG_ROOT=<path_to_vcpkg>
cmake -B build -S . --preset release
cmake --build build

Binäre Portabilität

Um die Binärdatei für x86_64-Portabilität zu erstellen, rufen Sie cmake mit der Option -DBUILD_PORTABLE=on . Dabei werden -march=x86-64 -mtune=generic und -static-libgcc -static-libstdc++ verwendet und die C++-Standardbibliothek und die GCC-Laufzeit statisch mit der Binärdatei verknüpft, wodurch Abhängigkeiten vom Zielsystem reduziert werden.