hypergrep

Destaques

• Pesquise recursivamente um padrão regex usando Intel Hyperscan.
• Quando um repositório git é detectado, o índice do repositório é pesquisado usando libgit2.
• Semelhante a grep , ripgrep , ugrep , The Silver Searcher etc.
• C++17, Multithreading, SIMD.
• GUIA DE USO
• Notas de implementação aqui.
• Não é multiplataforma. Testado em Linux.

Desempenho

Os testes a seguir comparam o desempenho do hypergrep com:

• ripgrep v13.0.0
• ag 2.2.0 (O Pesquisador de Prata) v2.2.0
• ugrep v3.11.2

Detalhes do sistema

Tipo	Valor
Processador	Intel(R) Core(TM) i9-11900KF de 11ª geração a 3,50 GHz 3,50 GHz
Extensões do conjunto de instruções	Intel® SSE4.1, Intel® SSE4.2, Intel® AVX2, Intel® AVX-512
RAM instalada	32,0 GB (31,9 GB utilizáveis)
SSD	ADATA SX8200PNP
SO	Ubuntu 20.04LTS
Compilador C++	g++ (Ubuntu 11.1.0-1ubuntu1-20.04) 11.1.0

Bibliotecas instaladas Vcpkg

Comprometimento vcpkg: 662dbb5

Biblioteca	Versão
argparse	2.9
fila simultânea	1.0.3
fmt	10.0.0
hiperscan	5.4.2
libgit2	1.6.4

Pesquisa de arquivo único grande: OpenSubtitles.raw.en.txt

As pesquisas a seguir são realizadas em um único arquivo grande armazenado em cache na memória (~13 GB, OpenSubtitles.raw.en.gz ).

Regex	Contagem de linhas	AG	ugrep	ripgrep	hipergrep
Conte o número de vezes que Holmes fez algo hgrep -c 'Holmes did w'	27	n / D	1.820	1.022	0,696
Literal com sufixo Regex hgrep -nw 'Sherlock [AZ]w+' en.txt	7882	n / D	1.812	1.509	0,803
Literal Simples hgrep -nw 'Sherlock Holmes' en.txt	7653	15.764	1.888	1.524	0,658
Literal simples (sem distinção entre maiúsculas e minúsculas) hgrep -inw 'Sherlock Holmes' en.txt	7871	15.599	6.945	2.162	0,650
Alternância de Literais hgrep -n 'Sherlock Holmes|John Watson|Irene Adler|Inspector Lestrade|Professor Moriarty' en.txt	10078	n / D	6.886	1.836	0,689
Alternação de literais (sem distinção entre maiúsculas e minúsculas) hgrep -in 'Sherlock Holmes|John Watson|Irene Adler|Inspector Lestrade|Professor Moriarty' en.txt	10333	n / D	7.029	3.940	0,770
Palavras em torno de uma string literal hgrep -n 'w+[x20]+Holmes[x20]+w+' en.txt	5020	n / D	6m 11s	1.523	0,638

Pesquisa no repositório Git: torvalds/linux

As pesquisas a seguir são realizadas em toda a árvore de origem do kernel Linux (após executar make defconfig && make -j8 ). O commit usado é f1fcb.

Regex	Contagem de linhas	AG	ugrep	ripgrep	hipergrep
Literal Simples hgrep -nw 'PM_RESUME'	9	2.807	0,316	0,147	0,140
Literal simples (sem distinção entre maiúsculas e minúsculas) hgrep -niw 'PM_RESUME'	39	2.904	0,435	0,149	0,141
Regex com sufixo literal hgrep -nw '[AZ]+_SUSPEND'	536	3.080	1.452	0,148	0,143
Alternância de quatro literais hgrep -nw '(ERR_SYS|PME_TURN_OFF|LINK_REQ_RST|CFG_BME_EVT)'	16	3.085	0,410	0,153	0,146
Unicode Grego hgrep -n 'p{Greek}'	111	3.762	0,484	0,345	0,146

Pesquisa no repositório Git: apple/swift

As pesquisas a seguir são realizadas em toda a árvore de origem do Apple Swift. O commit usado é 3865b.

Regex	Contagem de linhas	AG	ugrep	ripgrep	hipergrep
Declaração de função/estrutura/enum seguida por um identificador válido e parênteses de abertura hgrep -n '(func|struct|enum)s+[A-Za-z_][A-Za-z0-9_]*s*('	59026	1.148	0,954	0,154	0,090
Palavras que começam com caracteres alfabéticos seguidos de pelo menos 2 dígitos hgrep -nw '[A-Za-z]+d{2,}'	127858	1.169	1.238	0,156	0,095
Workd começando com letra maiúscula, seguida de caracteres alfanuméricos e/ou sublinhados hgrep -nw '[AZ][a-zA-Z0-9_]*'	2012372	3.131	2.598	0,550	0,482
Instrução Guard let seguida por um identificador válido hgrep -n 'guards+lets+[a-zA-Z_][a-zA-Z0-9_]*s*=s*w+'	839	0,828	0,174	0,054	0,047

Pesquisa de diretório: /usr

As pesquisas a seguir são executadas no diretório /usr .

Regex	Contagem de linhas	AG	ugrep	ripgrep	hipergrep
Qualquer URL HTTPS ou FTP hgrep "(https?|ftp)://[^s/$.?#].[^s]*"	13682	4.597	2.894	0,305	0,171
Qualquer endereço IP IPv4 hgrep -w "(?:d{1,3}.){3}d{1,3}"	12643	4.727	2.340	0,324	0,166
Qualquer endereço de e-mail hgrep -w "[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+.[A-Za-z]{2,}"	47509	5.477	37.209	0,494	0,220
Qualquer data válida MM/DD/YYYY hgrep "(0[1-9]|1[0-2])/(0[1-9]|[12]d|3[01])/(19|20)d{2}"	116	4.239	1.827	0,251	0,163
Conte o número de valores HEX hgrep -cw "(?:0x)?[0-9A-Fa-f]+"	68042	5.765	28.691	1.439	0,611
Pesquise qualquer C/C++ por um literal hgrep --filter ".(c|cpp|h|hpp)$" test	7355	n / D	0,505	0,118	0,079

Construir

Instale dependências com vcpkg

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

Construa hypergrep usando cmake e vcpkg

Clonar o repositório

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

Se cmake for anterior 3.19

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

Se cmake for mais recente que 3.19

Use a predefinição release :

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

Portabilidade Binária

Para construir o binário para portabilidade x86_64, invoque cmake com a opção -DBUILD_PORTABLE=on . Isso usará -march=x86-64 -mtune=generic e -static-libgcc -static-libstdc++ e vinculará a biblioteca padrão C++ e o tempo de execução do GCC estaticamente ao binário, reduzindo as dependências no sistema de destino.