从 0 到 11 个 bug 已修复：GoAWK 如何经受实战考验，让我的 Regex 引擎提升 3000 倍

Source: Dev.to

最佳的反馈方式

一周前，我发布了《“Go 的 Regexp 太慢了，所以我自己写了一个”》。反响非常热烈——但最有价值的反馈来自 Ben Hoyt，他是 GoAWK 的创建者。

他不仅阅读了文章，还真的去使用 coregex。

“我已经开始把 coregex 集成到 GoAWK 中… 我发现了一些问题。”

这条信息引发了我有史以来最富有成效的一周调试。

7 天内的 11 个 Bug

Ben 的 GoAWK 测试套件非常严苛——包含 1000 多个正则模式，覆盖了我从未想象的边缘情况。他找到了如下问题：

每个 bug 都让我学到东西。有的是尴尬的疏忽；有的则暴露了我理解上的根本缺口。

最糟的 Bug：^ 锚点

起始锚点（^）是我的克星。它看似简单——只在位置 0 匹配。但在多引擎架构中，“简单”很快就变得复杂。

• 版本 1 – 朴素地检查 pos == 0。对 IsMatch 有效，却在 FindAllIndex 上失效。
• 版本 2 – 添加了 FindAt(haystack, offset) 方法。现在 FindAllIndex 能告诉引擎“这是原始字符串的第 5 位”。
• 版本 3 – 发现 DFA 的 epsilonClosure 并未遵守锚点。实现了遵循 Rust 的 regex‑automata 的正确 LookSet。

两天内三次尝试。Ben 持续测试，我持续修复。

最狡猾的 Bug：Longest()

这一次让我非常谦卑。Longest() 方法自 v0.8.2 起就已经存在。文档声称它可用，测试也通过——但它实际上是一个空实现。

// What I wrote (v0.8.2)
func (r *Regex) Longest() {
    // TODO: implement leftmost-longest semantics
}

// What Ben expected
re := coregex.MustCompile(`(a|ab)`)
re.Longest()
// "ab" should match "ab" (longest), not "a" (first)

AWK 使用 POSIX 语义（左侧最长）。Go 标准库默认使用 Perl 语义（左侧优先），但 Longest() 会切换模式。我的引擎只支持 Perl 语义。

修复需要理解一个根本区别：

Leftmost‑First (Perl):   (a|ab) on "ab" → "a" (first alternative wins)
Leftmost‑Longest (POSIX): (a|ab) on "ab" → "ab" (longer match wins)

在 PikeVM 中实现该功能约用了 100 行代码。默认模式下没有出现性能回退。

修复速度

5 天内 9 次发布，每一次都让 coregex 更加兼容标准库。

性能：依旧飞快

真正的问题是：所有这些修复是否削弱了性能？

Pattern: .*connection.*
Input: 250 KB log file

stdlib:   12.6 ms
coregex:   4 µs

Speedup: 3,154× (unchanged from v0.8.0)

架构决策起了关键作用：SIMD 预过滤、惰性 DFA 与策略选择保证了快路径。bug 修复主要针对极少运行的边缘情况代码。

完全兼容标准库

在 v0.8.12 之后，GoAWK 的全部测试套件全部通过：

$ cd goawk
$ go test ./...
ok      github.com/benhoyt/goawk    4.832s

即插即用的替代已确认。

// Before
import "regexp"

// After
import "github.com/coregx/coregex"

// That's it. Same API. 5‑3000× faster.

我的收获

1. 真实场景测试 > 单元测试 – 我的覆盖率是 88 %；GoAWK 找到了 11 个 bug。用户会捕捉到你想不到的情况。
2. 多引擎架构 = 多引擎 bug – 每种策略（DFA、NFA、ReverseAnchored、OnePass）都有自己的边缘案例。引擎之间的集成测试变得至关重要。
3. “在我的机器上能跑”毫无价值 – Ben 以我从未在基准中使用的方式调用正则。
4. 快速反馈循环很重要 – 发现 → 修复 → 发布 → 测试，有时一天两次。Ben 详细的报告让这一切成为可能。

合作致谢

在此公开感谢 Ben Hoyt。他本可以说“这个库有 bug，我直接用标准库”，但他提交了详细的 issue，提供了测试用例，并持续测试每一次发布。这正是开源精神的最佳体现。

亲自尝试

go get github.com/coregx/coregex@v0.8.12

package main

import (
    "fmt"
    "github.com/coregx/coregex"
)

func main() {
    re := coregex.MustCompile(`\w+@[\w.]+`)
    fmt.Println(re.FindString("email: test@example.com"))
    // Output: test@example.com
}

发现 bug？打开 issue。我会修复。

下一步计划

• v0.9.0：ARM NEON SIMD（等待 Go 1.26）
• v1.0.0：API 稳定性保证，安全审计

你的反馈：让项目最快速走向生产就绪。

链接

• GitHub: coregx/coregex
• GoAWK PR #264 – 找到所有问题的集成
• 原始文章

从 0 到修复 11 个 bug。从“有趣的项目”到“生产就绪”。感谢那位真正去使用它的开发者。