将多个表达式优化为一个

Question

背景

我有一个场景，我必须反复在文本中反复找到某些单词。 我目前使用了一系列常规表达式，格式如下......

"((^)|(\W))(?<c>Word1)((\W)|($))"

"((^)|(\W))(?<c>NextWord)((\W)|($))"

"((^)|(\W))(?<c>AnotherWord)((\W)|($))"

...

这个Regex对象列表是用一大块数据循环的，并且匹配被拉出（一个循环用于一个regex.matches（数据）调用）

我尽我所能来优化它们，例如事先编译它们。

然而，列表越来越长，我决定开始制作更大的编译正则表达式来优化过程。比如......

"((^)|(\W))(?<c>((Word1)|(NextWord)|(AnotherWord)))((\W)|($))"

这提供了巨大的速度变化，但是有一个副作用，我无法弄清楚如何纠正。

当单词并排在数据中时（例如空格分隔，例如“Word1 NextWord AnotherWord”），第二个单词在捕获中被遗漏，因为“Word1”的正则表达式还包括尾随空格。 “NextWord”可能发生的匹配不再具有前导空格，因为它是上一场比赛的一部分。

问题

任何人都可以更改此正则表达式（.net格式）

Pattern = "((^)|(\W))(?<c>((Word1)|(NextWord)|(AnotherWord)))((\W)|($))"

通过一次调用“.matches（data）”来捕获下面列表中的所有单词 哪里

data = "Word1 NextWord AnotherWord" 

？ （不牺牲效率增益）

结果

我想我会提到这一点。在应用建议的答案/校正与前瞻和后面，我现在知道如何使用:)，我刚刚修改的代码的速度提高了347倍（旧测试速度的0.00347％）。当你进入多个表达式时，这绝对是要记住的东西。非常高兴。

Answer 1

使用\b符号。这匹配单词/非单词边界。

\b(?((Word1)|(NextWord)|(AnotherWord)))\b

Answer 2

您可能希望使用边界检查或前瞻/后瞻，以便匹配不消耗空白但检查它。

像这样：

Pattern = @"\b(Word1|NextWord|AnotherWord)\b"

或者使用lookbehind和lookahead：

Pattern = @"(?<=\W|^)(Word1|NextWord|AnotherWord)(?=\W|$)"