Add LeadingStrings benchmarks for binary and non-ASCII regex patterns

src/benchmarks/micro/libraries/System.Text.RegularExpressions/Perf.Regex.LeadingStrings.cs

@@ -0,0 +1,112 @@
+// Licensed to the .NET Foundation under one or more agreements.
+// The .NET Foundation licenses this file to you under the MIT license.
+// See the LICENSE file in the project root for more information.
+
+using BenchmarkDotNet.Attributes;
+using MicroBenchmarks;
+
+namespace System.Text.RegularExpressions.Tests
+{
+    /// <summary>
+    /// Performance tests for regex alternation patterns on binary data.
+    /// Exercises the LeadingStrings vs FixedDistanceSets heuristic on non-text input.
+    /// </summary>
+    [BenchmarkCategory(Categories.Libraries, Categories.Regex, Categories.NoWASM)]
+    public class Perf_Regex_LeadingStrings_BinaryData
+    {
+        [Params(
+            RegexOptions.None,
+            RegexOptions.Compiled
+#if NET7_0_OR_GREATER
+            , RegexOptions.NonBacktracking
+#endif
+            )]
+        public RegexOptions Options { get; set; }
+
+        private string _binaryText;
+        private Regex _regex;
+
+        // A small embedded binary-like fragment (~64 bytes) containing null bytes and typical PE patterns,
+        // duplicated in Setup to create a ~1MB corpus. Using a fixed seed ensures identical input across TFMs.
+        private static readonly byte[] s_binarySeed =
+        {
+            0x4D, 0x5A, 0x90, 0x00, 0x03, 0x00, 0x00, 0x00, 0x04, 0x00, 0x00, 0x00, 0xFF, 0xFF, 0x00, 0x00,
+            0xB8, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x40, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00, 0x00,
+            0x50, 0x45, 0x00, 0x00, 0x64, 0x86, 0x02, 0x00, 0x48, 0x65, 0x6C, 0x6C, 0x6F, 0x00, 0x00, 0x00,
+            0x2E, 0x74, 0x65, 0x78, 0x74, 0x00, 0x00, 0x00, 0x2E, 0x72, 0x73, 0x72, 0x63, 0x00, 0x00, 0x00,
+        };
+
+        [GlobalSetup]
+        public void Setup()
+        {
+            // Duplicate the seed to ~1MB
+            const int targetSize = 1024 * 1024;
+            char[] chars = new char[targetSize];
+            for (int i = 0; i < targetSize; i++)
+                chars[i] = (char)s_binarySeed[i % s_binarySeed.Length];
+            _binaryText = new string(chars);
+
+            // Alternation of 4-byte sequences that appear in the seed (non-null starting)
+            _regex = new Regex(@"MZ\x90\x00|PE\x00\x00|\.text|\.rsrc|Hello|d\x86\x02\x00", Options);
+        }
+
+        [Benchmark]
+        [MemoryRandomization]
+        public int Count() => Perf_Regex_Industry.Count(_regex, _binaryText);
+    }
+
+    /// <summary>
+    /// Performance tests for regex alternation patterns on non-ASCII text (Russian).
+    /// </summary>
+    [BenchmarkCategory(Categories.Libraries, Categories.Regex, Categories.NoWASM)]
+    public class Perf_Regex_LeadingStrings_NonAscii
+    {
+        [Params(
+            RegexOptions.None,
+            RegexOptions.Compiled
+#if NET7_0_OR_GREATER
+            , RegexOptions.NonBacktracking
+#endif
+            )]
+        public RegexOptions Options { get; set; }
+
+        private string _input;
+        private Regex _alternation;
+        private Regex _alternationIgnoreCase;
+
+        // Opening of Anna Karenina (Tolstoy), ~1KB of natural Russian prose.
+        // "All happy families are alike; each unhappy family is unhappy in its own way.
+        //  Everything was in confusion in the Oblonskys' house. The wife had discovered that the husband
+        //  was carrying on an intrigue with their former French governess, and she had announced to her
+        //  husband that she could not go on living in the same house with him..."
+        private const string Text =
+            "Все счастливые семьи похожи друг на друга, каждая несчастливая семья несчастлива по-своему. " +
+            "Всё смешалось в доме Облонских. Жена узнала, что муж был в связи с бывшею в их доме француженкою-гувернанткой, " +
+            "и объявила мужу, что не может жить с ним в одном доме. Положение это продолжалось уже третий день и чувствовалось " +
+            "и самими супругами, и всеми членами семьи, и домочадцами. Все члены семьи и домочадцы чувствовали, что нет смысла " +
+            "в их сожительстве и что на каждом постоялом дворе случайно сошедшиеся люди более связаны между собой, чем они, " +
+            "члены семьи и домочадцы Облонских. Жена не выходила из своих комнат, мужа третий день не было дома. " +
+            "Дети бегали по всему дому, как потерянные; англичанка поссорилась с экономкой и написала записку приятельнице, " +
+            "прося приискать ей новое место; повар ушёл ещё вчера со двора, во время обеда; чёрная кухарка и кучер просили расчёт.";
+
+        [GlobalSetup]
+        public void Setup()
+        {
+            var sb = new System.Text.StringBuilder(100000);
+            for (int i = 0; i < 100; i++)
+                sb.Append(Text);
+            _input = sb.ToString();
+
+            _alternation = new Regex("семьи|Облонских|француженкою|домочадцами|сожительстве|англичанка|экономкой|кухарка", Options);
+            _alternationIgnoreCase = new Regex("(?i)семьи|Облонских|француженкою|домочадцами|сожительстве|англичанка|экономкой|кухарка", Options);
+        }
+
+        [Benchmark]
+        [MemoryRandomization]
+        public int Count() => Perf_Regex_Industry.Count(_alternation, _input);
+
+        [Benchmark]
+        [MemoryRandomization]
+        public int CountIgnoreCase() => Perf_Regex_Industry.Count(_alternationIgnoreCase, _input);
+    }
+}